Trí tuệ nhân tạo (AI) được ứng dụng rộng rãi trong nhiều lĩnh vực của xã hội. Mục đích của nó là cho phép máy tính mô phỏng trí thông minh của con người dựa trên logic, quy tắc, thứ tự ra quyết định và máy học. Trong đó, máy học (ML) là một phần của AI bao gồm học sâu, khi chứa nhiều lớp ẩn. Hoạt động của ML có thể dựa trên một mạng nơron nhân tạo (ANN) bắt chước não người.

Theo cách này, ANN được huấn luyện bởi một lượng dữ liệu đủ lớn (đầu vào nhất định với đầu ra nhất định). Sau đó, nó có thể tìm ra logic và có thể dự đoán đầu ra với những đầu vào mới. Do đó, ANN có một lợi thế là nó không yêu cầu mối liên hệ toán học rõ ràng giữa đầu vào và đầu ra. Trong nghiên cứu vật lý hạt nhân, máy học đã được áp dụng từ nhiều thập kỷ và gần đây đã trở nên được quan tâm nhiều nhờ tốc độ tính toán nhanh và bộ nhớ lớn của máy tính. Các mô hình ANN đã được áp dụng để tính toán thành công bán kính điện tích hạt nhân, khối lượng hạt nhân trong sao nơtron, khối lượng và năng lượng liên kết, năng lượng trạng thái cơ bản và bán kính bình phương trung bình của proton trong trạng thái cơ bản cùng sai số của chúng.

Xuất phát từ thực tiễn trên, Chủ nhiệm đề tài Tiến sĩ Lê Xuân Chung cùng nhóm nghiên cứu tại Viện năng lượng nguyên tử Việt Nam thực hiện nghiên cứu “Áp dụng phương pháp máy học trong việc nhận diện hạt theo hình dạng xung” với mục tiêu áp dụng thành công phương pháp máy học (Machine Learning-ML) trong việc xử lý số liệu thực nghiệm vật lý hạt nhân. Máy học là một lĩnh thuộc Trí tuệ nhân tạo, hiện đang có ứng dụng rộng dãi trong mọi mặt của đời sống xã hội.

 

Trong những năm gần đây, trí tuệ nhân tạo (AI), và cụ thể hơn là Machine Learning (Máy học) nổi lên như một bằng chứng của cuộc cách mạng công nghiệp lần thứ tư (Các cuộc cách mạng trước là lần 1 - động cơ hơi nước, lần 2 - năng lượng điện và lần 3 - công nghệ thông tin). Trí tuệ nhân tạo đang len lỏi vào mọi lĩnh vực trong đời sống mà có thể chúng ta không nhận ra: các hệ thống xe tự hành của Google và Tesla, hệ thống nhận diện khuôn mặt trong ảnh và hỗ trợ gắn thẻ của Facebook, trợ lý ảo Siri của Apple, Google Assistant hay các hệ thống gợi ý của các công cụ tìm kiếm: hệ thống gợi ý sản phẩm của Amazon, hệ thống gợi ý phim của Netflix,…

Những ứng dụng trên chỉ là một vài trong vô vàn những ứng dụng của AI/Machine Learning. Vậy máy học là gì? Máy học có thể ứng dụng trong những lĩnh vực nào? Theo định nghĩa đang được sử dụng phổ biến nhất hiện nay, máy học là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kỹ thuật cung cấp cho hệ thống máy tính khả năng tự học từ những dữ liệu cụ thể và qua đó hệ thống có thể giải quyết những bài toán, vấn đề tương đồng. Đặc biệt, máy học cho phép xử lý những bài toán phức tạp mà không cần đến những câu lệnh lập trình một cách chi tiết, chính xác để chỉ dẫn hệ thống xử lý dữ liệu.

Sau thời gian nghiên cứu, đề tài đã thu được những kết quả như sau:

Đề tài áp dụng phương pháp máy học để phân biệt nơtron và gamma theo hình dạng xung đã được hoàn thành. Kết quả cho thấy, phương pháp này cho độ chính xác cao hơn so với phương pháp so sánh điện tích khi phân biệt hạt nơtron. Trong khi đó, độ chính xác của chúng trong phân biệt hạt gamma là tương đương nhau. Điều này đã chứng minh khả năng ứng dụng phương pháp máy học trong các bài toán phân tích số liệu hạt nhân.

Thông qua đề tài này, nhóm nghiên cứu đã bước đầu thành công ứng dụng phương pháp máy học vào giải quyết bài toán xử lý số liệu hạt nhân. Đặc biệt phương pháp này có ưu thế khi ứng dụng phân tích cho bộ số liệu lớn. Đây là tiền đề để nhóm tiếp tục sử dụng máy học vào trong những bài toán phân tích, xử lý phức tạp hơn trong tương lai.

Có 01 công bố trên tạp chí quốc gia (Nuclear Science and Technology), 01 báo cáo khoa học của nhóm tại Hội nghị Khoa học và Công nghệ Hạt nhân toàn quốc (VINAST-14). Ngoài ra, cón có 01/01 sản phẩm dạng 2 là đoạn code tính toán. Đoạn code này sẽ phục vụ các công việc trong tương lai của nhóm.

Có thể tìm đọc toàn văn báo cáo kết quả nghiên cứu (mã số 21032/2022) tại Cục Thông tin, Thống kê

Đ.T.V (NASTIS)