Mô hình AI giải cứu dữ liệu khoa học Mỹ

Phòng thí nghiệm quốc gia Lawrence Berkeley thuộc Bộ Năng lượng Mỹ đang vận hành các cơ sở nghiên cứu tiên tiến bậc nhất thế giới, trong đó có thiết bị Advanced Light Source kích thước bằng một sân bóng đá chuyên tạo ra chùm tia X cường độ cao để nghiên cứu vật liệu. Các thiết bị này đang tạo ra lượng dữ liệu khổng lồ vượt xa khả năng xử lý của con người khi các máy dò nâng cấp đã tăng tốc độ chụp từ một hình ảnh mỗi sáu giây lên tới 100.000 hình ảnh mỗi giây. Tính chung các cơ sở nguồn sáng và neutron của Bộ Năng lượng Mỹ hiện sản xuất hàng chục petabyte dữ liệu mỗi năm, tương đương với việc phát trực tuyến hai triệu giờ video độ nét cao.

Khối lượng dữ liệu bùng nổ khiến công tác phân tích thủ công hoàn toàn quá tải, đặc biệt trong các thí nghiệm thời gian thực khi các nhà khoa học cần quan sát trực tiếp các quá trình động học như phản ứng hóa học hay độ bền vật liệu. Nút thắt lớn nhất nằm ở khâu phân đoạn hình ảnh, tức là quá trình vẽ ranh giới chính xác xung quanh các cấu trúc khác nhau để biến các bức ảnh tia X thô thành bản đồ có nhãn về tế bào hay lớp bán dẫn. Công việc này trước đây tiêu tốn hàng tuần hoặc hàng tháng trời lao động của chuyên gia cho mỗi tập dữ liệu.

Để giải quyết bài toán này, dự án SYNAPS-I thuộc Sáng kiến Genesis do Nhà Trắng phát động vào cuối năm 2025 đã áp dụng trí tuệ nhân tạo để biến dữ liệu thành động cơ khám phá thời gian thực. Đây là sáng kiến đa phòng thí nghiệm do Berkeley Lab dẫn dắt với sự hợp tác của Argonne, Brookhaven, Oak Ridge và SLAC. Trái tim trong hệ thống xử lý của SYNAPS-I là hai mô hình nền tảng mã nguồn mở do Meta phát triển gồm Segment Anything Model 3 và DINOv3.

Mô hình DINOv3 đóng vai trò nhận diện các mẫu hình trực quan từ dữ liệu thô mà không cần con người dán nhãn trước, trong khi mô hình SAM thực hiện nhiệm vụ vẽ đường viền chính xác đến từng điểm ảnh xung quanh từng đối tượng riêng lẻ. Nhóm nghiên cứu đã tinh chỉnh cả hai mô hình này trên dữ liệu hình ảnh khoa học thu thập từ các chùm tia X rồi triển khai trên 300 chip xử lý đồ họa A100 tại các cơ sở siêu máy tính quốc gia như NERSC. Hệ thống này có thể tạo ra một thể tích ba chiều được dán nhãn ngữ nghĩa hoàn chỉnh trả về cho nhà khoa học ngay tại chỗ chỉ trong thời gian khoảng 15 phút.

Nhóm dự án đã thử nghiệm thành công quy trình này trong việc nghiên cứu phản ứng của cây nho đối với hạn hán ở cấp độ tế bào bằng cách sử dụng các bản quét micro cắt lớp vi mô để tự động xác định các mạch xylem chịu trách nhiệm vận chuyển nước trong thực vật. Việc sử dụng mã nguồn mở cho phép các phòng thí nghiệm quốc gia tải xuống, tinh chỉnh và triển khai các mô hình này ngay trong hạ tầng bảo mật của chính phủ thay vì phụ thuộc vào các dịch vụ đám mây bên ngoài. Với sự tham gia của 60 nhà nghiên cứu trên năm phòng thí nghiệm, sáng kiến này đang định hình tương lai nơi trí tuệ nhân tạo không chỉ xử lý dữ liệu nhanh hơn mà còn tự động hóa việc đưa ra quyết định trong các thí nghiệm phức tạp.