Động đất, một động cơ máy bay hay một cơ quan trong cơ thể người tưởng như là những bài toán khác nhau. Với GS Bùi Thanh Tân, chúng có một điểm chung: từ dữ liệu quan sát được, có thể xây dựng mô hình toán và thuật toán để hiểu những gì đang diễn ra bên trong, dự báo điều có thể xảy ra và hỗ trợ những quyết định tốt hơn.
Anh Tân, người Bà Rịa-Vũng Tàu (cũ), hiện là giáo sư khoa Kỹ thuật hàng không vũ trụ và cơ học, Giám đốc Trung tâm Học máy khoa học thuộc Viện Oden về Kỹ thuật và khoa học tính toán, Đại học Texas Austin (UT Austin). Đây là trường công tốt thứ 7 tại Mỹ, theo US News.
Hơn 20 năm qua, anh phát triển các mô hình toán và thuật toán tính toán cho những bài toán dự báo, nghịch đảo, tối ưu hóa và định lượng độ không chắc chắn, với ứng dụng trải rộng từ thiết kế máy bay, động đất, bão, năng lượng nhiệt hạch đến chẩn đoán hình ảnh y khoa và dò tìm khoáng sản. Gần đây, ngoài thuật toán lượng tử dành cho khoa học tính toán, một trong các hướng nghiên cứu của anh là bản sao số (digital twin), trong đó mô hình tính toán được kết nối và cập nhật liên tục.
Ví dụ, với động cơ máy bay, bản sao số có thể giúp kỹ sư đánh giá tình trạng thiết bị, dự báo thời điểm cần bảo trì hoặc tối ưu cách vận hành. Trong Y học, các mô hình tương tự có thể hỗ trợ bác sĩ dự báo diễn biến bệnh, đánh giá phương án điều trị.
Trong các dự án này, anh Tân xây dựng mô hình toán và phát triển các thuật toán kết hợp mô hình vật lý với trí tuệ nhân tạo và học máy, nhằm đưa ra dự báo và suy luận đủ nhanh để có thể sử dụng trong thời gian thực.
"Con đường của tôi khá tình cờ. Tôi chưa từng nghĩ mình sẽ trở thành giáo sư. Tôi làm nghiên cứu đơn giản vì muốn giải những bài toán có thể ứng dụng vào thực tế", anh Tân nói.
GS Bùi Thanh Tân. Ảnh: Nhân vật cung cấp
Từ nhỏ, anh Tân đặc biệt yêu thích toán, thường tham gia các kỳ thi học sinh giỏi. Gia đình chỉ có hai mẹ con, sống chủ yếu nhờ công việc buôn bán nhỏ. Khi ấy, ước mơ của anh là học thật tốt để sau này có thể kiếm tiền và đỡ đần cho mẹ.
Vào trường Đại học Bách khoa, Đại học Quốc gia TP HCM, anh chọn Khoa học máy tính, một ngành đang rất "hot" lúc bấy giờ. Anh Tân kể thường học đến khoảng hai giờ sáng mỗi ngày, duy trì kết quả xuất sắc trong hai năm đại cương. Sau đó, anh chuyển sang Kỹ thuật Hàng không, một ngành mới mở vì "nghe nói cơ hội kiếm tiền khá".
Mỗi khi giải xong một bài tập, anh thường quay lại tự hỏi liệu còn cách giải nào khác, nhanh hơn hoặc tốt hơn hay không. Thói quen "lật lại bài toán" đó dần trở thành một phần trong cách anh làm nghiên cứu sau này.
Với PGS. TS Nguyễn Thiện Tống, nguyên Chủ nhiệm, sáng lập bộ môn Kỹ thuật hàng không ở trường Bách khoa, Tân là một trong hai sinh viên để lại ấn tượng đặc biệt trong cuộc đời giảng dạy. Ông nói cậu học trò khi ấy rất nghèo, ngoài học còn nhận dạy kèm, làm bốc vác... nhưng học rất chăm và giỏi, thuộc diện "xuất sắc hiếm có".
"Tôi hay hỏi trong giờ học, nhiều sinh viên sau này kể lại rằng họ thấy căng thẳng. Nhưng Tân rất tích cực, thông minh và hăng hái trả lời", thầy Tống nhớ lại.
Qua giới thiệu của thầy, năm 2001, anh Tân nhận học bổng thạc sĩ chương trình liên kết giữa Đại học Công nghệ Nanyang (Singapore) và Viện Công nghệ Massachusetts (MIT, Mỹ). Sau khi lấy bằng, anh làm nghiên cứu sinh tiến sĩ tại Mỹ và được MIT nhận vào chương trình Hàng không Không gian với học bổng toàn phần năm 2004.
Môi trường học thuật tại MIT rất cạnh tranh, nhưng anh Tân nhanh chóng thích nghi nhờ nền tảng kiến thức vững cùng kỷ luật làm việc cao. Anh kể luôn là một trong những người đến sớm và rời phòng thí nghiệm muộn nhất.
"Là một người nước ngoài, tôi luôn nghĩ mình chỉ có một con đường: phải học thật tốt", anh Tân nói. Sau ba năm, anh lấy bằng tiến sĩ chuyên ngành Động lực học chất lưu tính toán, ở lại trường làm nghiên cứu sau tiến sĩ.
Một năm sau, anh vẫn trăn trở với một câu hỏi từ thời đại học và cao học: liệu có thể sử dụng những mô hình toán phức tạp để giải bài toán kỹ thuật. Điều đó đưa anh đến UT Austin, nơi có những nhà khoa học là tác giả của cuốn sách toán ứng dụng mà anh tâm đắc. Tại đây, song song nghiên cứu, anh đăng ký học lại toàn bộ môn toán nền tảng quan trọng, với mục tiêu kết hợp tư duy toán học chặt chẽ với trực giác của một kỹ sư.
Sau vài năm, dù có những cơ hội làm việc ở doanh nghiệp với thu nhập hấp dẫn, anh Tân quyết định ở lại với học thuật.
"Lương có thể ít hơn, nhưng đổi lại tôi có sự tự do để theo đuổi những bài toán mình thấy hứng thú và có ý nghĩa", anh Tân nói.
Tại UT Austin, anh Tân lần lượt thăng tiến, trở thành giáo sư bậc cao nhất (full professor) sau 12 năm làm việc. Anh cũng giữ ghế Giáo sư danh dự Marion E. Forsman, Giáo sư danh dự Paul D. và Betty Robertson Meek về kỹ thuật. Đây là vị trí học thuật danh giá và được tài trợ lâu dài, với những giáo sư có thành tựu nổi bật.
Các dự án nghiên cứu của GS Tân trải rộng ở nhiều lĩnh vực. Như nghiên cứu về động đất, các mô hình và thuật toán có thể giúp suy ra đặc tính của lòng đất, dự báo phạm vi ảnh hưởng và hỗ trợ đánh giá rủi ro. Trong thăm dò khoáng sản, từ dữ liệu thu được sau khi phát tín hiệu xuống lòng đất, các thuật toán nghịch đảo có thể giúp suy ra cấu trúc địa chất, loại khoáng sản và trữ lượng tiềm năng.
Bên cạnh các bài toán dự báo, nghịch đảo và tối ưu hóa, anh còn nghiên cứu sâu về định lượng độ không chắc chắn trong các mô hình tính toán. Đến nay, các dự án do anh Tân chủ trì và đồng chủ trì đã nhận tổng cộng hơn 44 triệu USD tài trợ từ nhiều tổ chức lớn của Mỹ, gồm Bộ Năng lượng, Quỹ Khoa học Quốc gia, Không quân Mỹ, hay các tập đoàn như RTX và Lockheed Martin.
Với anh Tân, thách thức không chỉ nằm ở việc xây dựng một mô hình toán đúng, mà còn ở việc khiến mô hình đó đủ nhanh, đủ chính xác và có thể liên tục cập nhật khi dữ liệu mới xuất hiện. Trong nhiều ứng dụng, thuật toán phải đưa ra dự báo hoặc suy luận gần như theo thời gian thực, đồng thời phải định lượng được mức độ không chắc chắn của kết quả.
Khi gặp một bài toán bế tắc, anh thường quay lại xem giả thiết, mô hình hay thuật toán ban đầu còn điểm nào có thể cải thiện, hoặc tìm cách kết hợp những ý tưởng từ các lĩnh vực khác. Có những bài toán anh theo đuổi trong thời gian dài trước khi tìm được hướng giải phù hợp.
"Một nhà nghiên cứu phải rất lì, thậm chí hơi cứng đầu. Chỉ khi nào tôi đã thử gần như mọi hướng mà vẫn không giải quyết được thì mới tạm dừng", anh Tân nói.
Sự kiên trì đó đưa anh đến nhiều hướng nghiên cứu trong Học máy khoa học (Scientific Machine Learning - SciML), nơi các mô hình toán và định luật vật lý được kết hợp với trí tuệ nhân tạo thay vì xem AI như một "hộp đen" thuần dữ liệu. Anh đã phát triển và công bố nhiều phương pháp SciML cho các bài toán dự báo, nghịch đảo và suy luận theo thời gian thực, đặc biệt trong các ứng dụng bản sao số.
Quá trình này, anh Tân nhận NSF CAREER Award, giải thưởng uy tín của Quỹ Khoa học quốc gia Mỹ, ghi nhận những giảng viên có tiềm năng trở thành người dẫn đầu trong nghiên cứu và giáo dục. Anh còn vào vòng chung kết giải Gordon Bell của Hiệp hội Máy tính ACM - được ví như "Oscar của lĩnh vực tính toán hiệu năng cao" (high-performance computing).
Những năm gần đây anh Tân thường xuyên trở về Việt Nam để trao đổi học thuật, giới thiệu các hướng nghiên cứu mới và tìm kiếm cơ hội hợp tác cùng các đồng nghiệp trong nước. Anh đặc biệt mong góp phần đào tạo nghiên cứu sinh trẻ và xây dựng những nhóm nghiên cứu có thể kết nối chặt hơn với cộng đồng khoa học quốc tế.
Theo anh, người trẻ không nhất thiết phải "siêu toán" mới có thể theo đuổi khoa học tính toán. Quan trọng hơn là yêu thích toán, thích lập trình và có hứng thú với việc giải những bài toán thực tế. Các mô hình nền tảng thường bắt nguồn từ những phương trình đạo hàm riêng, vì vậy một nền tảng tốt có thể mở ra rất nhiều lĩnh vực ứng dụng khác.
"Không cần quá thông minh xuất chúng, nhưng phải chịu khó, quyết tâm", anh Tân nói.
Khánh Linh