NGK, nhà sản xuất gốm sứ kỹ thuật, và Laboro.AI, công ty chuyên phát triển AI tùy chỉnh, đã cùng nhau xây dựng một phương pháp phát triển phần mềm mô phỏng khoa học kỹ thuật quy mô lớn sử dụng AI. Dự án kết hợp kiến thức lý thuyết và thực nghiệm của NGK về chiếu xạ hồng ngoại và kết tinh với bí quyết triển khai AI của Laboro.AI. Kết quả là phần mềm dự đoán dạng tinh thể cho dịch vụ "Tìm kiếm tinh thể hợp chất hữu cơ" của NGK, giúp giảm tải công việc của con người xuống còn 1/3 so với trước đây.

Hợp tác giữa NGK và Laboro.AI: Từ Excel đến AI tự động hóa

Theo ông Sogawa (NGK), dự án bắt nguồn từ ý tưởng của ông Kondo (NGK), người đã phát triển phương pháp mô phỏng trên Excel. Để biến nó thành công cụ thực tế cho kỹ sư thí nghiệm, Laboro.AI đảm nhận việc triển khai hệ thống. Không chỉ nâng cấp phần mềm, dự án còn tích cực đưa AI vào quy trình phát triển, tận dụng công nghệ AI tạo sinh đang phát triển nhanh chóng.

Ông Miyaki (Laboro.AI) cho biết quá trình hợp tác kéo dài nhiều năm. Trước đây, họ phải thủ công chuyển các tệp Excel của ông Kondo vào hệ thống. Sau đó, họ bắt đầu sử dụng AI tạo sinh để tự động hóa việc lập trình. Tuy nhiên, không phải lúc nào cũng suôn sẻ; họ phải xây dựng giả thuyết về cơ chế để AI hoạt động đúng, sắp xếp các công thức, điều kiện và ràng buộc thành dạng AI có thể xử lý.

Dịch vụ tìm kiếm tinh thể hợp chất hữu cơ: Vai trò của mô phỏng

Ông Kondo giải thích dịch vụ này dành cho các công ty dược phẩm, giúp tìm ra cấu trúc tinh thể của các hợp chất hữu cơ tiềm năng làm thuốc. Cùng một hợp chất nhưng có thể có nhiều dạng tinh thể khác nhau tùy theo điều kiện kết tinh, ảnh hưởng đến độ hòa tan, độ ổn định và khả năng tạo hình. Mô phỏng giúp thu hẹp các điều kiện thí nghiệm, tăng khả năng tìm ra dạng tinh thể mới trong thời gian ngắn. Ông Kondo ước tính trong tương lai, mô phỏng có thể giảm số lượng thí nghiệm xuống còn 1/10.

Thế mạnh của NGK là công nghệ chiếu xạ hồng ngoại, có thể tạo ra các dạng tinh thể khó kết tinh bằng phương pháp thông thường. Kết hợp chiếu xạ hồng ngoại với kết tinh giúp tăng xác suất phát hiện tinh thể mới.

Thách thức khi áp dụng AI: Thiết kế ràng buộc và kiểm soát

Ông Miyaki chỉ ra rằng AI không tự động tạo ra chương trình đúng từ công thức. Cần thiết kế cẩn thận về thứ tự thông tin, điều kiện tuân thủ và phạm vi AI được phép tự quyết. Các công thức mô phỏng ban đầu của ông Kondo được thể hiện trên bảng tính Excel với hàng trăm hàng và hàng nghìn cột, rất phức tạp và khó bảo trì thủ công.

Ông Mori (Laboro.AI) nhấn mạnh tầm quan trọng của việc cung cấp các quy tắc phát triển và mã mẫu để AI không đơn giản hóa hoặc hiểu sai. Ông gọi đây là "kỹ thuật harness" (harness engineering), tức là đưa ra các ràng buộc như "được phép hoạt động trong phạm vi này, nhưng không được vượt ra ngoài".

Hiệu quả và tác động đến kỹ sư

Nhờ AI, việc mở rộng chức năng mô phỏng trở nên nhanh chóng hơn, và các phương pháp triển khai mới nhất giúp tăng tốc độ tính toán. Ông Miyaki cho rằng cả giảm công sức phát triển và tăng tốc độ tính toán đều có giá trị. Ngoài ra, AI giúp việc viết mã ít phụ thuộc vào kỹ năng cá nhân hơn, cho phép sử dụng các bộ giải tối ưu, từ đó tăng tốc tính toán và hiệu quả phát triển.

Các kỹ sư vẫn giữ vai trò quan trọng: họ phải thiết kế quy trình phát triển, xác định phần nào giao cho AI và phần nào cần kiểm tra con người. Ông Mori nhấn mạnh con người cần đánh giá tiền đề và độ tin cậy của kết quả AI, không chấp nhận một cách mù quáng. Ông Kondo bổ sung rằng việc quan sát hiện tượng thực tế, giải thích lý thuyết đằng sau và chuyển thành công thức vẫn là nhiệm vụ của con người. AI có thể thay thế con người trong các lĩnh vực ảo như mô phỏng và viết mã, giúp con người có thời gian tập trung vào các câu hỏi cốt lõi hơn.

Tương lai: AI cho khoa học và sản xuất

Ông Kondo hy vọng ứng dụng kết quả dự án vào lĩnh vực dược phẩm trước, sau đó mở rộng sang các lĩnh vực khác như màng pin mặt trời perovskite, nơi có các hiện tượng thay đổi trạng thái và pha như sấy khô và kết tinh. Ông Sogawa nhận định ngành sản xuất Nhật Bản cần tận dụng AI để cạnh tranh với các nước mới nổi, nhưng chỉ cài đặt công cụ AI là chưa đủ; cần kết hợp dữ liệu, kiến thức hình thức và tri thức ẩn của chuyên gia với AI để tạo ra sản phẩm và dịch vụ tốt hơn.

Ông Miyaki đề cập đến khái niệm "AI for Science", nơi AI đề xuất điều kiện thí nghiệm và cùng con người thảo luận để đạt được khám phá mới. Dự án của NGK và Laboro.AI không chỉ thay đổi phương pháp phát triển mô phỏng mà còn là ví dụ về cách ngành sản xuất Nhật Bản kế thừa kỹ năng của chuyên gia và duy trì khả năng cạnh tranh.

Ảnh: geralt / Pixabay