Singapore dùng AI để biến ý tưởng khoa học thành công nghệ thực tế

Singapore đang đặt cược vào một cách làm mới: để AI không chỉ phân tích dữ liệu hay đưa ra dự đoán, mà tham gia vào cả chuỗi nghiên cứu khoa học — từ lựa chọn giả thuyết, thiết kế thí nghiệm đến kiểm chứng phần mềm và phát triển công nghệ có thể triển khai thực tế.

Chương trình quốc gia AI-for-Science (AI4S) do National Research Foundation (NRF, Quỹ Nghiên cứu Quốc gia Singapore) tài trợ có ngân sách 120 triệu đô la Singapore. Tám dự án đầu tiên được công bố ngày 16/6/2026, với sự tham gia của các chuyên gia AI, nhà khoa học chuyên ngành và đối tác quốc tế. Các kết quả được nêu hiện là mục tiêu nghiên cứu trong tương lai, chưa phải những thành quả thương mại đã được chứng minh.

Từ dự đoán vật liệu đến công thức sản xuất

Điểm nhấn của chương trình là Materials Data Foundry — phòng thí nghiệm trị giá 10 triệu đô la Singapore do Đại học Quốc gia Singapore (NUS) và Đại học Toronto phối hợp xây dựng.

Phòng thí nghiệm này sẽ kết hợp AI, robot và hệ thống đo lường ngay trong quá trình thí nghiệm tại một cơ sở tự động mở. Thay vì chỉ huấn luyện mô hình bằng các đặc tính vật liệu được công bố trước đây, nhóm nghiên cứu sẽ tự tạo dữ liệu thực nghiệm, liên kết điều kiện tổng hợp với hiệu năng ngoài đời thực.

Mục tiêu là thực hiện hàng chục nghìn phản ứng, tìm ra các ứng viên có thể tổng hợp và phát triển những công cụ phần mềm mở. Nhờ vậy, AI được kỳ vọng tạo ra các “công thức” có khả năng tái lập — chứ không chỉ dự đoán rằng một hợp chất nào đó có thể tồn tại.

Các hướng ứng dụng gồm vật liệu cho công nghệ vượt qua giới hạn silicon và công nghệ lượng tử, chất xúc tác điện bền hơn cho sản xuất hydro sạch, cùng lớp phủ chống ăn mòn.

Tìm chất xúc tác trong không gian thiết kế khổng lồ

Một dự án do A*STAR — Cơ quan Khoa học, Công nghệ và Nghiên cứu Singapore — cùng Imperial College London triển khai sẽ xây dựng mô hình nền tảng về khoa học bề mặt và một nền tảng điện toán đám mây.

Hệ thống này nhằm dự đoán đặc tính của chất xúc tác cũng như điều kiện tổng hợp chúng, phục vụ nhiên liệu sạch hơn, nguyên liệu đầu vào có nguồn gốc từ CO₂ và các hóa chất sinh học. Mô tả chính của chương trình đặt mục tiêu tăng tốc sàng lọc tính toán lên 500 lần. Vì vậy, những con số như “nhanh hơn và rẻ hơn gần 5 lần” cần được xem xét thận trọng nếu không có bằng chứng cho thấy chúng nói về một chỉ số phát triển khác.

Kiểm tra phần mềm do AI tạo ra

NUS và Imperial College London cũng phát triển các công cụ suy luận chương trình có khả năng tự động phân tích, kiểm thử, xác minh hình thức và chứng minh tính đúng đắn của phần mềm.

Với những đoạn mã không có tài liệu đầy đủ, công cụ sẽ sử dụng các phương pháp suy luận ít hình thức hơn để diễn giải chức năng của chúng. Nhóm nghiên cứu dự kiến thử nghiệm trên những phần mềm có tính hệ trọng, chẳng hạn giao thức mạng và các thành phần của nhân Linux.

Một mục tiêu đáng chú ý là cho phép các tác nhân AI kiểm toán mã do những hệ thống AI khác viết — một bước quan trọng nếu AI ngày càng được dùng để phát triển phần mềm.

AI trong y sinh: ghép nhiều lớp dữ liệu lại với nhau

Trong lĩnh vực y sinh, dự án MultiOmicsFM do NUS và A*STAR thực hiện dự kiến xây dựng một mô hình nền tảng có thể phân tích đồng thời DNA, RNA và dữ liệu hoạt động của gene từ các bộ dữ liệu đa sắc tộc của Singapore. Mục tiêu là hỗ trợ nghiên cứu nguy cơ bệnh tật và tối ưu hóa các liệu pháp mRNA.

Một dự án khác mang tên BloodCounts! sẽ huấn luyện mô hình DeepCBC trên toàn bộ thông số thô của xét nghiệm công thức máu, kết hợp với hình ảnh phết máu. Cách tiếp cận này nhằm khai thác nhiều thông tin chẩn đoán hơn từ một xét nghiệm phổ biến, đồng thời hỗ trợ dự đoán các tình trạng như nguy cơ đột quỵ và ung thư.

Mô hình số cho nông nghiệp và khả năng chống chịu khí hậu

NUS và Đại học Illinois sẽ phát triển các “bản sao số” nông nghiệp dựa trên tri thức. Đây là những mô hình ảo của đất canh tác Đông Nam Á, kết hợp dữ liệu quan sát với các nguyên lý khoa học cây trồng.

Thay vì chỉ đưa ra dự đoán khó giải thích, hệ thống hướng tới các dự báo có thể diễn giải và công cụ hỗ trợ quyết định về thời điểm gieo trồng, sử dụng tài nguyên và chuỗi cung ứng.

Một chương trình trải rộng nhiều lĩnh vực

Danh mục tám dự án còn bao gồm các giao diện do AI thiết kế nhằm cải thiện quá trình truyền năng lượng. Nhìn tổng thể, AI4S bao phủ vật liệu, chất xúc tác, điện toán, khoa học sự sống, năng lượng, nông nghiệp và phân tích máu — chứ không giới hạn AI trong một ngành duy nhất.

Vì sao Singapore đầu tư vào AI4S?

Thứ nhất là khả năng chuyển giao. AI có thể đề xuất vật liệu, phân tử, thí nghiệm hoặc đoạn mã đầy hứa hẹn. Nhưng phòng thí nghiệm tự động, sàng lọc quy mô lớn, đo lường thực tế và xác minh hình thức mới là những bước cho biết sản phẩm đó có thể sản xuất, an toàn và hữu ích hay không. Materials Data Foundry là ví dụ rõ nhất cho chu trình khép kín này.

Thứ hai là đào tạo nhân lực liên ngành. AI4S muốn hình thành thế hệ nhà khoa học “song ngữ”: vừa hiểu AI, vừa am hiểu các lĩnh vực như khoa học vật liệu, khoa học sự sống và khoa học lượng tử. Khi đó, câu hỏi nghiên cứu, chất lượng dữ liệu và giới hạn của thí nghiệm có thể định hình mô hình ngay từ đầu.

Thứ ba là xây dựng vị thế quốc tế. Thông qua nguồn vốn của NRF, mạng lưới hợp tác quốc tế tại CREATE — cơ sở nghiên cứu thuộc chương trình Campus for Research Excellence and Technological Enterprise — cùng hạ tầng số, hạ tầng thí nghiệm và các đối tác công nghiệp, Singapore muốn trở thành điểm kết nối cho nghiên cứu và chuyển giao công nghệ dựa trên AI. Hai chương trình do Imperial dẫn dắt được tổ chức thông qua Imperial Global Singapore tại CREATE và hướng tới khả năng tiếp cận của các nhà nghiên cứu trên toàn cầu.

Thước đo quan trọng nhất của AI4S sẽ không phải là tốc độ mô hình đưa ra dự đoán, mà là liệu các dự án có tạo được đầu ra có thể kiểm chứng và mở rộng hay không: quy trình sản xuất, chất xúc tác, bằng chứng hỗ trợ quyết định lâm sàng và phần mềm đáng tin cậy.