Hiển thị các bài đăng có nhãn Nghiên cứu Khoa học CN. Hiển thị tất cả bài đăng
Hiển thị các bài đăng có nhãn Nghiên cứu Khoa học CN. Hiển thị tất cả bài đăng

Thứ Năm, 6 tháng 12, 2012

GIẢI NOBEL KINH TẾ 2012


 


 

 

 

 

 

 

 

 

 

Giải Nobel Kinh tế 2012 xuất phát từ một thuật toán đơn giản


Giải Nobel kinh tế năm nay được trao cho hai nhà kinh tế nghiên cứu về một lĩnh vực khá lạ lẫm, nhưng không vì thế mà không thú vị. Lloyd S. Shapley và Alvin E. Roth  giải vì các nghiên cứu của hai ông trong lĩnh vực lý thuyết “ghép đôi” và các phát minh về thiết kế thị trường có khả năng ứng dụng rộng rãi trên khắp thế giới.

Vào năm 1962, khi Shapley mới 39 tuổi và đang là một nhà toán học làm ở Rand Corp, một think-tank đầy quyền lực của Hoa Kỳ, nơi chuyên nghiên cứu các dự án hạng nặng cho Bộ Quốc phòng của nước này, ông và một nhà kinh tế khác thuộc Đại học Brown là D. Gale đăng một công trình nghiên cứu có tên “tuyển sinh đại học và sự ổn định của hôn nhân” trên một tạp chí hạng thường của giới nghiên cứu toán học mang tên American Mathematical Monthly.

Tạp chí American Mathematical Monthly là một tạp chí hướng vào đại chúng, với cách viết đơn giản không cầu kỳ, không quá kỹ thuật, và thường không dùng để đăng tải những công trình nghiên cứu hạng nặng. Khi đăng công trình nghiên cứu này, Shapley chắc chắn dù nằm mơ cũng không tưởng tượng ra vào một ngày đẹp trời của 50 năm sau, ông được trao giải Nobel kinh tế nhờ các nghiên cứu khởi nguồn từ bài báo hết sức đơn giản đó.

Từ một thuật toán đơn giản

Quay trở lại năm 1962, tất cả những gì Shapley và Gale hình dung ra là một thuật toán (algorithm). Nghiên cứu này bắt đầu bằng một quan sát: Trong một số vấn đề của xã hội và kinh tế, tương tác giữa các cá nhân và các tổ chức không đơn giản bằng việc gặp gỡ mua bán hoặc ký hợp đồng như việc mua bánh mì ở cửa tiệm hoặc thuê thợ sửa ống nước.

Với các giao dịch kinh tế bình thường, người bán phát giá bán, người mua đến mặc cả, thỏa thuận giá, và nếu thỏa thuận thành công thì chuyện mua bán diễn ra. Shapley và Gale quan sát thấy một số trường hợp, thí dụ như việc tuyển sinh ở các trường đại học hay việc tìm kiếm bạn đời của mỗi người, giao dịch liên quan đến một dạng tương tác mà sau này các nhà kinh tế học gọi là “ghép đôi” (matching).

Trong trường hợp tuyển sinh đại học, giả sử một cách đơn giản là có 10 nghìn sinh viên đầu vào, và có 10 trường đại học, mỗi trường tuyển một nghìn sinh viên. Câu chuyện nghe đơn giản, nhưng nó phức tạp ở chỗ mỗi sinh viên lại có trình độ khác nhau và sở thích của các sinh viên này đối với các trường đại học cũng khác nhau. Như thế, giả sử một trường đại học bất kỳ nhận được 2 nghìn hồ sơ dự tuyển, thì họ phải loại đi bao nhiêu, và giữ lại bao nhiêu hồ sơ khi biết rằng sẽ có nhiều sinh viên chúng tuyển sẽ không tham gia vào học ở trường đó vì họ được nhận vào các trường khác mà họ thích hơn?

Tương tự như vậy, trong vấn đề hôn nhân, giả sử đơn giản là số đàn ông và phụ nữ đến tuổi kết hôn nhưng còn độc thân bằng nhau. Vấn đề “ghép đôi” sẽ như thế nào? Mỗi người đàn ông sẽ có những tiêu chuẩn riêng, dẫn tới chuyện anh ta có những người phụ nữ mà anh ta muốn “ghép đôi”. Tương tự như vậy, mỗi phụ nữ cũng có những người đàn ông mà họ muốn lập gia đình cùng. Rõ ràng không thể có chuyện một người đàn ông nào cũng được ghép với người phụ nữ tuyệt vời nhất trên thế gian (vì người đó chỉ có một), và ngược lại, không thể có chuyện phụ nữ nào cũng cưới được người chồng lý tưởng nhất (vì anh chàng đó cũng chỉ có một). Câu hỏi đặt ra là trong các trường hợp đó, làm thế nào để việc ghép đôi có thể thực hiện được một cách có hiệu quả?

Shapley và Gale đưa ra một khái niệm sau này được gọi là “ghép đôi ổn định” (stable matching). Một kết quả ghép đôi ổn định là trường hợp mà sau khi ghép đôi xong, không xảy ra chuyện nó có thể bị phá vỡ. Ngược  nếu kết quả ghép đôi tạo ra hai cặp vợ chồng (A,m) và (B,n) nhưng A lại muốn sống với B, và B cũng muốn sống với A, tức là đối với cả hai người này nếu được ghép thành (A,B) thì sẽ tốt hơn cho cả hai, thì kết quả ghép đôi ban đầu sẽ bị coi là không ổn định. Theo Shapley và Gale, ghép đôi ổn định đòi hỏi không có bất cứ một cặp nào muốn phá vỡ kết quả ghép đôi đó để đến với nhau.

Đó là về mặt quan sát thực tiễn, nhưng làm thế nào để đưa ra một phương pháp ghép đôi mà kết quả của nó là ổn định, thậm chí tốt nhất – tức là kết quả vừa ổn định vừa tốt nhất trong số các kết quả ổn định? Shapley và Gale đưa ra một thuật toán mà sau này trở nên nổi tiếng với tên gọi thuật toán Gale-Shapley. Hai ông chứng minh được rằng nếu triển khai theo thuật toán này, thì mọi bài toán ghép đôi giống như các bài nêu trên sẽ luôn có lời giải là một kết quả ghép đôi ổn định và tốt nhất.

Hãy giả sử một trường hợp đơn giản là số nam và số nữ bằng nhau, theo thuật toán Gale – Shapley, cần tổ chức việc ghép đôi này thành nhiều vòng. Ở vòng một, mỗi chàng trai sẽ cầu hôn một cô gái mà anh ta thích nhất. Nếu cô nào có nhiều chàng cầu hôn sẽ phải thải loại gần hết và chỉ giữ lại một chàng mà cô ấy thích nhất (trong số các chàng cầu hôn với cô ấy). Chưa cô nào được phép cưới ngay, mà chỉ được ghi tên chàng trai đó vào danh sách dự bị.

Ở vòng hai, các chàng trai không được bất cứ cô gái nào đưa vào danh sách dự bị ở vòng 1 sẽ cầu hôn với cô gái mà anh ta thích thứ nhì. Các cô gái sẽ chọn trong số các chàng trai cầu hôn với mình ở vòng 2 và chàng trai mà cô ta đưa vào danh sách dự bị ở vòng một ra một chàng trai ưng ý nhất và ghi tên anh ta vào danh sách dự bị.

Vòng lặp này sẽ kết thúc khi cho đến khi tất cả các cô gái đều được cầu hôn. Khi đó, coi như quá trình tán tỉnh lẫn nhau kết thúc, và các cô gái buộc phải cưới chàng trai duy nhất trong danh sách dự bị của mình.

Dễ thấy là nếu làm đúng theo thuật toán này, kết quả của quá trình ghép đôi sẽ là một kết quả ổn định. Không khó để chứng minh. Hãy giả sử ngược lại là nếu có chàng John và nàng Mary không được cưới nhau nhưng John lại thích Mary hơn vợ của anh ấy. Nếu như thế, tên của Mary sẽ đứng trước tên của vợ John trong danh sách của chàng. Và như vậy John hẳn đã phải cầu hôn Mary ở một vòng lặp trước theo đúng thuật toán Gale-Shapley. Mà như thế, Mary hẳn đã loại thẳng cổ John khi cô chọn người vào danh sách dự bị của mình. Vì người trong danh sách dự bị của Mary chỉ có thể ngày càng tốt hơn khi các vòng lặp được triển khai, chắc chắn Mary phải thích chồng của cô ấy hơn John. Điều đó có nghĩa là sẽ không có một John và một Mary nào mà cả hai cùng thích đến với nhau hơn là với người bạn đời mà vòng lặp Gale-Shapley gán cho họ. Nói cách khác, kết quả của thuật toán này là một kết quả gán ghép ổn định.

Thuật toán này cũng áp dụng hoàn hảo cho trường hợp tuyển sinh đại học, mặc dù lập luận áp dụng cho bài toán tuyển sinh phức tạp hơn đôi chút. Bạn đọc ham tìm hiểu có thể tự mày mò theo thuật toán Gale – Shapley để tìm ra. Nét đẹp của thuật toán này là nó rất đơn giản và tạo ra một kết quả phi thường – thử tưởng tượng một xã hội mà tất cả mọi người đều tìm được người thích hợp nhất với mình, và không ai phải lựa chọn lại lần thứ hai.(còn tiếp)

Chu Văn Keng St

Thứ Sáu, 30 tháng 11, 2012

KHOA HỌC TÍNH TOÁN Ở VN

Xin gửi PGS. Nguyễn Đình Hóa bài này để sử dụng trong công tác đầy trọng trách "Chủ nhiệm Khoa" Trường Đại học:

http://tiasang.com.vn/Default.aspx?tabid=111&CategoryID=2&News=5916

Tạp chí Tia Sáng - 02:36-30/11/2012 


Phát triển khoa học và kỹ thuật tính toán ở Việt Nam:
Bài học và ý kiến

Hồ Tú Bảo*, Nguyễn Mạnh Đức** , Đàm Hiếu Chí*, Nguyễn Minh Thọ***

Máy tính Titan có tốc độ 17,59 petaflopa (11.2012)

Máy tính và công nghệ thông tin đã thay đổi sâu sắc xã hội và cuộc sống chúng ta. Máy tính cá nhân đã trở thành công cụ lao động hết sức quan trọng của nhiều người, nhưng không đủ mạnh để dùng cho các nghiên cứu khoa học và kỹ thuật có tầm ảnh hưởng lớn cũng như dùng để tham gia giải quyết những vấn đề quốc kế dân sinh.


Cạnh tranh quốc tế về siêu máy tính 

Trong thập niên trước và nhất là hai năm nay giới khoa học và công nghệ đã chứng kiến các siêu máy tính liên tiếp xuất hiện và các kỷ lục thế giới về hiệu suất của chúng liên tục bị xô đổ. Sức mạnh của các siêu máy tính được đánh giá theo nhiều tiêu chí, nhưng quan trọng nhất vẫn là số phép tính làm được trong một giây (flops). Vào tháng 11 năm 2010, siêu máy tính Thiên Hà-1A (Tianhe-1A) do Trung quốc chế tạo đã vượt qua máy tính mạnh nhất của Mỹ để đứng đầu thế giới với tốc độ 2,507 petaflops, tức 2,507 triệu tỷ phép tính giây. Nhưng chỉ nửa năm sau, máy tính Kei của Nhật Bản (K-computer), kết quả của chương trình trọng điểm quốc gia trong giai đoạn 2007-2012 với kinh phí hơn một tỷ đôla Mỹ, đã ra đời và đạt tốc độ 10,51 petaflops, nhanh gấp bốn lần Thiên Hà-1A. Tuy nhiên, nước Nhật chỉ được tận hưởng một năm ngôi đầu thế giới. Tháng 6 năm nay, Bộ Năng lượng Mỹ đã cho ra đời máy tính IBM Sequoia với tốc độ 16,32 petaflops, dành vị trí đầu trong bảng xếp hạng 500 siêu máy tính hàng đầu thế giới [1]. Chưa dừng lại, ít ngày trước đây (12 tháng 11 năm 2012) danh sách 500 siêu máy tính hàng đầu lại có nhà vô địch mới: Máy tính Titan của hãng Cray chế tạo tại Phòng Thí nghiệm Quốc gia Hoa Kỳ Oak Ridge ở bang Tennessee, đạt tốc độ 17,59 petaflops. Góp mặt trong những siêu máy tính hàng đầu còn có SuperMUC nhanh nhất châu Âu của nước Đức với tốc độ 2,9 petaflops hay máy tính Curie của hãng Bull nước Pháp với tốc độ 1,3 petaflops, cùng hoàn thành vào mùa hè 2012.
Để thấy tốc độ tính toán cấp petaflops này lớn thế nào, hãy hình dung nếu mỗi người trong số 7 tỷ người trên trái đất có một máy tính cầm tay và thực hiện mỗi giây một phép tính, liên tục 24 giờ mỗi ngày, 365 ngày mỗi năm, thì tất cả mọi người trên trái đất phải tính liên tục 40 năm để làm được những gì Thiên Hà-1A tính trong một giờ, và 286 năm để đạt được số phép tính Titan làm trong một giờ đồng hồ [2].

Câu chuyện về Khoa học và Kỹ thuật Tính toán



Khoa học tính toán và tính cạnh tranh của nước Mý

‘Cùng với lý thuyết và thực nghiệm, khoa học tính toán đang trở thành ‘trụ cột thứ ba’ (pillar) của khoa học, cho phép các nhà nghiên cứu xây dựng và thử nghiệm mô hình của các hiện tượng phức tạp’’. 

Báo cáo đặc biệt của Hội đồng cố vấn về Công nghệ Thông tin của Tổng thống Mỹ (PITAC), “Khoa học tính toán: Sự đảm bảo cho tính cạnh tranh của nước Mỹ” 
Nhìn thế giới cạnh tranh làm siêu máy tính, nhiều câu hỏi đến với ta thật tự nhiên. Chẳng hạn tại sao các cường quốc về khoa học và công nghệ lại thi nhau chế tạo những siêu máy tính cực kỳ tốn kém này? Họ làm ra các siêu máy tính để dùng vào việc gì, quan trọng thế nào? Việc gì quan trọng nhưng không làm được nếu thiếu các siêu máy tính với tốc độ nhiều petaflops? Có phải mọi quốc gia đều cần đến siêu máy tính? Dùng siêu máy tính giống và khác thế nào với việc dùng các máy tính cá nhân PC? Việt Nam ta có cần siêu máy tính không? Và cần vào việc gì?

Có thể trả lời phần nào các câu hỏi trên khi đọc báo cáo đặc biệt của Hội đồng cố vấn về Công nghệ Thông tin của Tổng thống Mỹ (PITAC), “Khoa học tính toán: Sự đảm bảo cho tính cạnh tranh của nước Mỹ” [3]. Bản báo cáo 117 trang công bố tháng 6 năm 2005 bắt đầu bằng: ‘‘Cùng với lý thuyết và thực nghiệm, khoa học tính toán đang trở thành ‘trụ cột thứ ba’ (pillar) của khoa học, cho phép các nhà nghiên cứu xây dựng và thử nghiệm mô hình của các hiện tượng phức tạp’’. Như để gần với đời thường hơn, thiên hạ còn gọi khoa học tính toán là ‘chân thứ ba’ của khoa học (the third leg), hoặc đôi khi là ‘cách thức thứ ba’ (paradigm) của khoa học.

Nhưng khoa học tính toán là gì và tại sao lại có thể trở thành một cách thức mới của khoa học?

Một cách đại thể ta có thể hiểu khoa học tính toán (computational science) là khoa học về việc dùng toán học kết hợp với tính toán trên máy tính để giải quyết các vấn đề phức tạp của các khoa học. Cụ thể hơn, khoa học tính toán là lĩnh vực liên ngành với sự kết hợp hài hoà của ba thành phần: (i) Mô hình và mô phỏng, (ii) Khoa học máy tính, (iii) Hạ tầng cơ sở tính toán.

Nền tảng của mỗi lý thuyết khoa học là các mô hình, nghĩa là sự mô tả khái quát cái cốt lõi của các thực thể trong khoa học này (như mô hình E = mc2 trong thuyết tương đối của Einstein). Điều quan tâm đầu tiên trong khoa học tính toán là các mô hình toán học, tức việc mô hình hoá các thực thể cần nghiên cứu bằng ngôn ngữ toán học hoặc ngôn ngữ tính toán, sao cho vấn đề cần giải quyết có thể thực hiện nhờ việc tính toán dựa trên các mô hình. Nhờ các mô hình toán học thông minh và các siêu máy tính ngày càng mạnh, lĩnh vực mô phỏng (simulation) đang có những tiến bộ vượt bậc, tạo ra sức mạnh đặc biệt của khoa học tính toán, cho phép con người nhìn thấy và hiểu được những thực thể và quá trình rất phức tạp của tự nhiên và xã hội mà ta không thể nào quan sát được trong thực tế.

Giải quyết các vấn đề phức tạp của khoa học không chỉ cần đến mô phỏng, mà còn cần các phân tích định lượng ở thành phần thứ hai của khoa học tính toán. Thành phần này cũng liên quan mật thiết với khoa học máy tính [4], đặc biệt các phương pháp quản trị và phân tích dữ liệu, mạng máy tính... Hạ tầng cơ sở tính toán, thành phần thứ ba của khoa học tính toán, chính là các siêu máy tính, cho phép con người thực hiện những khối lượng tính toán khổng lồ.



Những thành phần chính của khoa học và kỹ thuật tính toán
Để giải thích tại sao khoa học tính toán có thể góp phần giải được nhiều bài toán phức tạp của khoa học mà các lý thuyết và thí nghiệm theo cách truyền thống không luôn luôn cho kết quả, ta có thể nghĩ đến ít nhất hai lý do. Một là trong một số bài toán hết sức phức tạp trong nhiều khoa học các đòi hỏi về độ chính xác cũng như chi tiết đã vượt quá khuôn khổ của những lý thuyết khoa học con người đã sáng tạo ra, hoặc số lượng thí nghiệm cần tiến hành quá lớn không thực hiện nổi hoặc không biết cần bắt đầu từ đâu. Hai là có rất nhiều vấn đề khoa học ta không thể làm được thí nghiệm trên các thực thể (in vivo). Chẳng hạn như hiện nay ta không thể quan sát chi tiết các chuyển động của từng nguyên tử trong cơ thể sống, không thể thử nghiệm làm vỡ đập thuỷ điện hoặc làm nổ nhà máy điện nguyên tử, cũng như không thể thử nghiệm cho thiên thạch đâm vào trái đất hoặc làm núi lửa phun trào. Ta cũng không thể dễ dàng thấy các hiện tượng xã hội như hiệu ứng tập thể của người tiêu dùng, sự đầu cơ tài chính dẫn đến sụp đổ của toàn bộ hệ thống tài chính thế giới. Khi một vấn đề khoa học được diễn đạt với những mô hình tính toán, con người có thể tiến dần đến câu trả lời do thực hiện các tính toán này trên các siêu máy tính, dù khối lượng tính toán có thể rất lớn.

Khoa học tính toán không góp phần vào nghiên cứu khoa học một cách độc lập, mà luôn kết hợp với lý thuyết và thực nghiệm khoa học, hoặc là cầu nối giữa hai cách nghiên cứu truyền thống này để việc nghiên cứu hiệu quả hơn, hoặc trực tiếp đưa ra lời giải. Chính nhu cầu tính toán là động lực để phát triển những lý thuyết khoa học mới với các mô hình toán học phù hợp và sâu sắc hơn. Đặc điểm cơ bản là siêu máy tính và việc tính toán cho phép ta xem xét tất cả giả thuyết có thể có, hoặc hầu hết các giả thuyết triển vọng, đánh giá chúng và chọn ra những giả thuyết nhiều triển vọng nhất để tiến hành thực nghiệm. Với sức mạnh kỳ diệu có được trong những năm gần đây, khoa học tính toán cho phép con người hy vọng giải được những bài toán rất phức tạp trong vũ trụ bao la, sâu dưới đáy đại dương, ngầm trong lòng quả đất, những bí ẩn về sự sống, những liên kết chằng chịt của xã hội loài người, dự báo được chính xác những vật liệu nano mới với tính chất mong muốn...

Các mô hình toán học, mô phỏng, phân tích định lượng, tính toán trên các siêu máy tính không chỉ thay đổi cách con người  làm khoa học và đột phá trong sáng tạo, mà còn còn có thể thay đổi sâu sắc nhiều ngành công nghiệp, nhiều vấn đề kinh tế, xã hội, môi trường như việc giải quyết vấn nạn tắc đường, chế tạo thuốc riêng hợp với từng người bệnh, phát hiện dầu mỏ, tăng an toàn lò hạt nhân, phân tích và dự báo rủi ro của hệ thống ngân hàng...

Gần đây, khoa học và kỹ thuật tính toán (KH&KTTT, computational science and engineering), xuất hiện như một lĩnh vực liên ngành, được hiểu là việc phát triển và ứng dụng các mô hình tính toán và mô phỏng, thường gắn với các siêu máy tính để giải quyết các bài toán phức tạp trong phân tích và thiết kế kỹ thuật cũng như với các hiện tượng tự nhiên [5], [8].

Nếu như KH&KTTT đang trở thành vấn đề thời sự của nhiều quốc gia, của giới khoa học và công nghệ trên thế giới, thì câu chuyện này đang còn im ắng ở ta, dù lâu nay nhiều người làm nghiên cứu khoa học cần đến máy tính mạnh vẫn âm thầm mơ ước.



Hơn 30 năm trước, chúng ta đã làm nhiều tính toán khoa học trên máy tính lớn ODRA, MINSK
Việc dùng máy tính mạnh để giải quyết các bài toán khoa học hoàn toàn không mới mẻ ở ta. Thuở ban đầu khi máy tính đến Việt Nam vào năm 1967 với MINSK 22, rồi ODRA 1304, MINSK 32 ở miền Bắc, và IBM 360-20, 30, 40, 50 ở miền Nam, chúng ta đã dùng các máy tính này chủ yếu cho các tính toán khoa học như dự báo thời tiết, thăm dò địa chất, tính dòng chảy sông ngòi… dù công suất tính toán của các máy lớn lúc đó có còn thấp hơn nhiều máy tính nhỏ hiện nay. Bước ngoặt lớn đến với nền tin học non trẻ của chúng ta khi các máy tính cá nhân (PC) với các bộ vi xử lý xuất hiện vào đầu những năm 1980, cuốn giới tin học của ta vào “vi tính”. Rồi những năm 1990 internet được đón chào nồng nhiệt ở Việt Nam, chúng ta trở thành một nước có internet phát triển rất nhanh.

Hai thành tựu kỳ diệu này đã nhanh chóng đi vào vào mọi ngóc ngách của cuộc sống và đưa tin học, ít lâu sau được gọi tên mới công nghệ thông tin (CNTT), cùng các thành tựu của truyền thông, thành một phần không thể thiếu của hầu hết hoạt động trong xã hội Việt Nam. Bên cạnh cái được thì điều cần nhận biết là “văn hoá” CNTT của ta hầu như bị chi phối hoàn toàn bởi các máy tính cá nhân và internet. Siêu máy tính và các việc làm trên chúng dường như bị lãng quên hoặc không được chú ý đến. Từ thời kỳ đổi mới đến nay, ngoài các máy tính cá nhân, Việt Nam hầu như thiếu mất mấy thế hệ máy tính, như các trạm làm việc (workstations), các hệ máy mini (minicomputer), các hệ máy chùm (clusters), các siêu máy tính (supercomputer)... để giải quyết các vấn đề khoa học và kỹ thuật trong các đại học và viện nghiên cứu ở Việt Nam.

Nhìn rộng trên cả nước, nhiều bài toán ở mức quốc gia cần đến tính toán lớn dường như chưa được đặt ra hoặc chưa được nhìn nhận sâu sắc trong các chương trình khoa học, công nghệ, và kỹ thuật trọng điểm của nhà nước. Được tiếng là một nước nhiều người giỏi toán, nhưng ta như thiếu biết bao những người giỏi toán dùng máy tính để tính toán được những điều đất nước thật cần. Giới khoa học vẫn chủ yếu cặm cụi trên những chiếc máy tính cá nhân. Không có máy tính mạnh, những kỹ thuật mô phỏng, phần rất sôi động của khoa học và kỹ thuật thế giới hai thập kỷ qua,  dường như chưa được phát triển ở ta. Nói một cách hình ảnh ở một đất nước đã quen với chiến tranh và nếu ví n làmhững người khoa học, kỹ thuật của ta như bộ đội còn các hoạt động khoa học và công nghệ như các trận đánh, thì đội quân khoa học và công nghệ ấy tuy rất đông nhưng hầu như chỉ đang đánh các trận nhỏ của các tiểu đội, trung đội với vũ khí bộ binh, mà chưa có các trận đánh lớn hiệp đồng quân binh chủng ở cấp sư đoàn, quân đoàn với cả xe tăng, pháo binh, không quân...

Một vài bài học kinh nghiệm



Đánh giá an toàn lò hạt nhân câfần nhiêfều tính toán phức tạp
Tuy chưa có máy tính lớn để làm việc trong nước, một số nhà nghiên cứu của ta thông qua hợp tác quốc tế đã dùng siêu máy tính ở nhiều nước để thực hiện các tính toán trong nghiên cứu của mình, nhất là các anh chị làm tính toán trong vật lý, hoá học và vật liệu mới. Nhiều nghiên cứu sinh trẻ đào tạo ở nước ngoài trong những năm qua cũng quen thuộc với việc làm nghiên cứu trên các siêu máy tính hoặc các hệ máy chùm. Tại hội thảo quốc tế “Hạ tầng tính toán hiệu năng cao bền vững cho Việt Nam và hợp tác xây dựng lưới tính toán quốc gia” do Bộ Khoa học và Công nghệ tổ chức ngày 8/11/2012 tại Hà Nội, chúng tôi đã chia sẻ những bài học sau nhiều năm nghiên cứu về mô hình vật liệu, hoá lượng tử, tin sinh học với các siêu máy tính tại Đại học Oxford (Anh), Đại học Leuven (Bỉ), Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (Nhật), và trong hợp tác với các đồng nghiệp ở Việt Nam [6]:

1.    Rất nhiều bài toán liên ngành có bản chất khoa học phức tạp chỉ có thể giải quyết được nhờ tính toán hiệu năng cao. Thí dụ như bài toán chúng tôi đang tham gia về đánh giá độ an toàn dài hạn của lò phản ứng nhiệt hạch (fusion) trong các điều kiện khắc nghiệt (tương tác vật liệu và plasma, bức xạ mạnh gây ra bởi neutron). Cần nhấn mạnh đây là nhà máy điện tương lai sử dụng năng lượng từ nguyên lý phản ứng hạt nhân nhiệt hạch (tương tự năng lượng mặt trời) dựa trên phản ứng tổ hợp giữa các đồng vị của hydrogen, do vậy sẽ tránh được những rủi ro ảnh hưởng tới môi trường do phóng xạ xảy ra ở những nhà máy điện hạt nhân dựa theo nguyên lý phân hạch (fission). Đây là bài toán rất phức tạp, được mô hình từ sự kết hợp các vật liệu và nguyên tử ở nhiều bước đo về thời gian và độ dài với tính toán chi tiết bởi các chương trình được xây dựng trên các siêu máy tính tại Daresbury, Juelich và IFERC tại Rokkasho. Lúc này ở ta cũng có nhiều bài toán quan trọng cần giải quyết có độ phức tạp cỡ như bài toán này ở mức độ nhiều tỷ lệ (multi scaling) của không gian và thời gian. Thí dụ như việc tính toán và đánh giá sự an toàn bên trong các nhà máy điện nguyên tử dựa trên sơ sở các phản ứng hạt nhân phân hạch dự kiến sẽ được xây dựng ở Việt Nam. Những bài toán phức tạp này chỉ có thể được giải quyết bằng tính toán hiệu năng cao cũng như dựa trên hợp tác quốc tế.

2.    Hiệu quả việc sử dụng siêu máy tính trong KH&KTTT phụ thuộc rất nhiều yếu tố, đặc biệt là con người. Số phép tính mỗi giây của mỗi máy tính là một con số lý thuyết, còn khi tính toán việc ta đạt được bao nhiêu phần của các con số này phụ thuộc rất nhiều vào sự phù hợp của bản chất bài toán với đặc tính của các siêu máy tính. Hiệu suất sử dụng các siêu máy tính còn đặc biệt phụ thuộc vào đội ngũ chuyên gia khoa học và kỹ thuật, kỹ năng của người sử dụng, cũng như khả năng xây dựng các chương trình máy tính hiệu quả và thông minh. Khi thử trên một máy mới với nhiều bộ xử lý hơn, do chưa làm chủ được kỹ thuật nên thời gian tính toán của chúng tôi còn cao hơn khi tính trên một máy tính tuy yếu hơn nhiều nhưng đã quen hơn. Các siêu máy tính cũng thường xuyên hỏng hóc, đòi hỏi chế độ chăm sóc đặc biệt. Thí dụ SGI ALTIX UV 1000 Intel Xeon(R) 2.0GHz, 18M, 6.4GT/s, 128 cores, 128GB memory tại JAIST thường bị hỏng và phải chỉnh sửa trung bình hai tuần một lần.

3.    Thế hệ trẻ là người của khoa học và kỹ thuật tính toán và bạn bè quốc tế luôn bên ta. Trong những năm qua chúng tôi đã tham gia tổ chức một số hội nghị quốc tế ở Việt Nam về hoá học tính toán, vật liệu tính toán, tin sinh học, và tham gia xây dựng các trung tâm khoa học tính toán ở Đại học Sư phạm Hà Nội, trung tâm quốc tế về khoa học vật liệu tính toán ở Đại học Bách khoa Hà Nội và Đại học Tự nhiên Hà Nội. Có thể nói các hoạt động trên đã mở đường cho nhiều bạn trẻ trong nước bước vào KH&KTTT. Ngoài ra, nhiều bạn bè quốc tế cũng đã luôn nhiệt tình giúp chúng ta trong hoạt động khoa học như các giáo sư Y. Kawazoe (Nhật), M.C. Lin (Taiwan), hay về định hướng phát triển KH&KTTT như tiến sĩ Denis Perret-Galix (Pháp). Có thể nói, để bắt đầu con đường KH&KTTT nhiều triển vọng và đầy thách thức, nhiệt huyết của tuổi trẻ và tấm lòng bạn bè quốc tế là những yếu tố hết sức quan trọng.

Một số bài toán và lĩnh vực cần đến KH&KTTT


Rất nhiều lĩnh vực và bài toán về kinh tế, xã hội, môi trường, quốc phòng cần đến KH&KTTT. Thí dụ như một số được kể ra ở đây:

1.    Phòng chống thảm hoạ thiên nhiên, ảnh hưởng của biến đổi khí hậu: Đây là những việc như cần biết thiên tai sẽ xảy ra thế nào và khi nào, dự báo lũ lụt, mô phỏng biển, sói lở đất đai... Chẳng hạn ta rất cần  biết chính xác lũ lụt ở các tỉnh miền Trung có khả năng xảy ra từng ngày thế nào trong mùa mưa. Hiện nay nhiều cơ sở nghiên cứu của ta thường dùng các phần mềm miễn phí chạy trên máy cá nhân PC để đánh giá dòng chảy của một đoạn sông hay đoạn bờ biển và tình trạng ngập lụt ở khu vực quanh đó. Có đề tài nhà nước ở một viện nghiên cứu lớn xây dựng bản đồ tĩnh cho ta thấy thông tin lũ lụt đã xảy ra trong một số năm của quá khứ ở miền Trung. Điều ta thực sự cần là một hệ thống trên máy tính cho phép tính toán, hiển thị và dự đoán chính xác mức độ lũ lụt sẽ xảy ra từng ngày, từng giờ sắp tới trên mọi khu vực của miền Trung. Đây là một việc chúng ta có thể làm, chỉ chúng ta làm, và chỉ làm được với KH&KTTT, dù phải làm lâu dài nhưng hoàn toàn xứng đáng với một chương trình quốc gia để theo đuổi. Bài toán này cũng giống bài toán do Thành phố Hồ Chí Minh đặt ra, “Nghiên cứu về tình trạng ngập lụt, cường triều, xả lũ của thành phố”.

2.    Đánh giá sự cố rủi ro của các hệ thống lớn như các lò hạt nhân, nhà máy thuỷ điện, hệ thống ngân hàng… Rủi ro luôn là mối lo của mọi người nhất là khi ta chưa có khả năng và biện pháp tốt để chống rủi ro cho các công trình lớn. Rủi ro cao nếu hệ thống càng phức tạp và tính bất định càng cao, phụ thuộc nhiều yếu tố (tham số). Để đánh giá được rủi ro luôn cần những lượng tính toán khổng lồ. Trong kế hoạch phát triển điện hạt nhân ở Việt Nam, việc đánh giá các rủi ro như bài toán chúng tôi đề cập ở trên cũng là một việc cần làm và có thể làm với KH&KTTT.

3.    Khoa học về sự sống: Sinh học phân tử và y học là những lĩnh vực trung tâm của khoa học về sự sống và khoa học thế kỷ 21. Việc phân tích các nguồn dữ liệu omics rất lớn có từ nghiên cứu về genes (genomics), về protein (proteomics) và các quá trình trao đổi chất (metabolomics) đang mở ra nhiều khả năng to lớn cho khoa học về sự sống. Nhiều bài toán quan trọng chúng ta có thể theo đuổi với đóng góp của KH&KTTT, như dự đoán và cảnh báo việc phát tán các bệnh truyền nhiễm, tìm cách chống bệnh sốt rét, chế thuốc chống các bệnh truyền nhiễm, bệnh nhiệt đới...

4.    Khoa học vật liệu và công nghệ nano: Chẳng hạn việc phát triển các mô hình vật liệu nhiều tỷ lệ, từ việc dùng những chương trình và thuật toán tiên tiến dựa trên cơ học lượng tử để hiểu các cấu trúc nano đến các ứng dụng kỹ thuật. Đây là lĩnh vực chúng ta có nhiều chuyên gia như các nhóm nghiên cứu tại Viện Vật Lý (Viện KH&CNVN), ĐHQGHN và ĐHQGHCM... cũng như sự hợp tác của nhiều nhà khoa học người Việt ở nước ngoài.

5.    Tính toán tài chính: Tính toán tài chính định lượng là một lĩnh vực đang được quan tâm ở nhiều cơ sở nghiên cứu ở Việt Nam. Lĩnh vực này liên quan đến những tính toán phức tạp như quản lý rủi ro trong đầu tư và thị trường, dự đoán và mô phỏng các kịch bản và phương án kinh tế. Hệ thống ngân hàng luôn phải đối mặt với những rủi ro về lạm phát, thị trường, lãi suất, hối đoái, tái đầu tư, tác nghiệp, tín dụng, thanh khoản và đặc biệt là rủi ro chính sách. Để đánh giá và dự đoán các rủi ro trong một hệ thống như vậy, cần những mô hình tốt, dữ liệu lớn [7] và những tính toán phức tạp trong thời gian hạn chế trên các siêu máy tính.

Trên đây chỉ là vài lĩnh vực và bài toán tiêu biểu của KH&KTTT. Có thể nói KH&KTTT có thể có mặt và góp phần thay đổi với hiệu quả cao hơn trong hầu hết các vấn đề quan trọng của kinh tế, xã hội, môi trường, quốc phòng.

Một vài ý kiến

Mặc dù KH&KTTT có vai trò rất lớn trong phát triển đất nước, việc chúng ta phát triển KH&KTTT thành công hay thất bại tuỳ thuộc vào nhiều điều, trước hết là con người từ những nhà quản lý cấp cao nhất đến những người trực tiếp thực hiện việc tính toán. Chúng tôi có một số ý kiến sau góp vào việc để ta có những nhìn nhận đúng cho việc định hướng phát triển lĩnh vực này:


Việc phát triển khoa học và kỹ thuật tính toán là cấp bách nhưng quan trọng hơn phải tiến hành một cách đúng đắn dựa trên tầm nhìn, chiến lược, lộ trình và đầu tư kinh phí hợp lý. Phải trước hết chú trọng yếu tố con người, không phải việc mua máy tính. Đặc biệt phải tuyệt đối tránh các chuyện chạy dự án mua máy tính, nhưng chưa rõ làm gì và ai làm.
1.    Ta phải nhận thức sâu sắc rằng KH&KTTT là chìa khoá chính yếu cho phép thực hiện các giải pháp liên ngành để giải quyết các bài toán lớn của đất nước trong các lĩnh vực kinh tế, xã hội, môi trường, quốc phòng. Máy tính và công nghệ thông tin đã thay đổi sâu sắc xã hội và cuộc sống chúng ta. Máy tính cá nhân đã trở thành công cụ lao động quan trọng bậc nhất của nhiều người, nhưng không đủ sức mạnh dùng cho các nghiên cứu khoa học và kỹ thuật phức tạp cũng như để giải quyết nhiều vấn đề lớn ở mức quốc gia. Chúng ta đã bỏ lỡ nhiều cơ hội, đã trễ nhiều chuyến tàu khoa học và công nghệ. Không thể đánh mất thêm một lần nữa cơ hội của KH&KTTT.

2.    Việc phát triển khoa học và kỹ thuật tính toán là cấp bách nhưng quan trọng hơn phải tiến hành một cách đúng đắn dựa trên tầm nhìn, chiến lược, lộ trình và đầu tư kinh phí hợp lý. Phải trước hết chú trọng yếu tố con người, không phải việc mua máy tính. Đặc biệt phải tuyệt đối tránh các chuyện chạy dự án mua máy tính, nhưng chưa rõ làm gì và ai làm.

3.    Bốn yếu tố cần cân đối một cách hài hoà trong phát triển khoa học và kỹ thuật tính toán là: (i) Nhân lực, (ii) Những bài toán lớn của đất nước cần đến vai trò thiết yếu của khoa học và kỹ thuật, (iii) Các hệ siêu máy tính, (iv) Kinh phí đầu tư cho các đề tài nghiên cứu.

4.    Phải bắt đầu bằng việc đào tạo nhân lực cho con đường dài của KH&KTTT vì đây là yếu tố quyết định thành bại của phát triển KH&KTTT ở Việt Nam. Phải sớm thiết kế và khởi động các chương trình đào tạo chuyên ngành về KH&KTTT cũng như đưa KH&KTTT vào các chương trình đào tạo ở các ngành sinh, lý, hoá, khoa học vật liệu... Cần đào tạo nhân lực cho KH&KTTT ngay trong nước ở cả bậc cao học và tiến  sĩ.

5.    Phải xác định và có các chương trình nhà nước để theo đuổi các bài toán lớn và quan trọng cho sự phát triển đất nước dựa trên KH&KTTT, bên cạnh việc đẩy mạnh các đề tài nghiên cứu khoa học dựa trên KH&KTT ở các đại học và cơ quan nghiên cứu. Phải chú trọng đến các giải pháp đa ngành, đa lĩnh vực cho nhiều bài toán lớn của đất nước trong đó KH&KTTT đóng vai trò cốt yếu.


Cần xây dựng một vài trung tâm xuất sắc với những người đầu ngành ở trình độ quốc tế, có chú trọng mời các chuyên gia người Việt ở nước ngoài qua các dạng ‘phòng thí nghiệm vệ tinh’ (satellite labs) để triển khai các hướng đi ban đầu trong nghiên cứu...
6.    Về hạ tầng cơ sở của KH&KTTT, trong những năm tới đây phải xây dựng các trung tâm KH&KTTT ở các cơ sở khoa học và giáo dục. Tuyệt đối không mua máy lớn hơn nhu cầu sử dụng vì giá máy giảm rất nhanh. Cần hợp tác để liên kết các trung tâm trong KH&KTTT thành các mạng máy tính để nâng cao sức mạnh tính toán chung. Cần xây dựng một vài trung tâm xuất sắc với những người đầu ngành ở trình độ quốc tế, có chú trọng mời các chuyên gia người Việt ở nước ngoài qua các dạng ‘phòng thí nghiệm vệ tinh’ (satellite labs) để triển khai các hướng đi ban đầu trong nghiên cứu...

7.    Cần bắt đầu các đề tài KH&KTTT có kích thước phù hợp với lực lượng và bài toán cần giải với chú ý là hầu hết các hệ máy tính đều có thể tăng dần kích thước. Phải đầu tư kinh phí thích đáng để thúc đẩy và khuyến khích các đề tài về KH&KTTT, đặc biệt ở giai đoạn đầu (qua chương trình của các Trường, Bộ, Nafosted...).

8.    Phải tận dụng tốt hợp tác quốc tế cho phát triển KH&KTTT, trong đó có các nhà khoa học người Việt ở nước ngoài. Chúng ta không thể để lỡ chuyến tàu KH&KTTT cũng như không thể một lần nữa thất bại trong việc thu hút nhân tài ở nước ngoài cho việc phát triển KH&KTTT.

Đi trên con đường dài

Hội thảo quốc tế về cơ sở hạ tầng của tính toán hiệu năng cao ngày 8/11/2012 ở Hà Nội là một sự kiện quan trọng, là buổi gặp gỡ đầu tiên của các đại biểu trong Nam ngoài Bắc bàn về việc phát triển KH&KTTT của chúng ta. Trước thời gian này, để định hướng cho đơn vị mình, Viện Khoa học và Công nghệ Việt Nam cũng như Đại học Quốc gia Thành phố Hồ Chí Minh đã tổ chức điều tra thực trạng và nhu cầu tính toán hiệu năng cao tại các đơn vị cơ sở của mình. Đây thực sự là những việc làm đúng, cần thiết và tích cực trên con đường dài của KH&KTTT.

Từ các cấp quản lý nhà nước đến các cơ sở nghiên cứu khoa học và các doanh nghiệp lớn, chúng ta cần có nhìn nhận sâu sắc hơn về những gì KH&KTTT có thể làm được trong sự phát triển đất nước, để từ đó có chính sách, đầu tư kinh phí và hành động cho những dự án liên ngành hướng đến các vấn đề lớn của quốc gia.

Và luôn nhìn KH&KTTT là một con đường dài ở đó ta phải có lộ trình và sự nhấn mạnh vai trò quyết định của con người.

Lời cám ơn

Các tác giả chân thành cám ơn đồng nghiệp Hoàng Dũng (ĐH Quốc gia Hồ Chí Minh), Phạm Thọ Hoàn và Nguyễn Thị Minh Huệ (ĐH Sư phạm Hà Nội), Thân Quang Khoát và Trương Vĩnh Trường Duy (JAIST), Nguyễn Việt Cường (HPC Systems Inc.) về những trao đổi và hợp tác về Khoa học và Kỹ thuật Tính toán.

-------------------------------------------------------------------
* Viện Khoa học và Công nghệ Tiên tiến Nhật Bản
** Trung tâm Năng lượng Nhiệt hạch Culham và Đại học Oxford, Vương quốc Anh
*** Đại học Leuven, Vương quốc Bỉ

Tài liệu tham khảo và chú giải

1.    Top 500 supercomputers http://www.top500.org
2.    Tính toán hiệu năng cao (high performance computing) đại thể là việc dùng các kỹ thuật và hệ máy tính lớn để giải các bài toán đòi hỏi lượng tính toán rất lớn vốn không giải được trên các máy tính thông thường. Máy tính dùng cho tính toán hiệu năng cao gồm hai loại chính: máy tính chính (mainframe) được chế tạo cho các vấn đề tính toán đa nhiệm, không nhất thiết dùng các bộ xử lý mạnh nhưng cần làm việc với lượng dữ liệu lớn bên ngoài (ngân hàng, giao dịch thương mại, cơ sở dữ liệu quốc gia...), và siêu máy tính (supercomputer) được chế tạo dựa vào việc dùng song song nhiều bộ xử lý mạnh cho các nhu cầu tính toán khoa học phức tạp với rất nhiều phép tính cần thực hiện ở bộ nhớ trong máy tính (như dự báo thời tiết, mô phỏng khoa học,..). Các siêu máy tính cũng rất đa dạng, từ những máy “siêu mạnh” trong danh sách 500 máy hàng đầu với hàng chục nghìn bộ xử lý [4], đến các hệ cluster hàng chục, hàng trăm bộ xử lý và các loại mạng của chúng.
3.    President’s Information Technology Advisory Committee, Computational Science: Ensuring America’s Competitiveness, June 2005.    
http://www.nitrd.gov/pitac/reports/20050609_computational/computational.pdf
4.    Nếu khoa học tính toán (computational science) là khoa học về việc dùng toán và tính toán để giải các bài toán phức tạp trong các khoa học khác, thì khoa học máy tính (computer science), một phần của công nghệ thông tin theo nghĩa rộng, là khoa học về sự tính toán để xử lý thông tin trên máy tính và ứng dụng của chúng.
5.    http://en.wikipedia.org/wiki/Computational_science_and_engineering
6.    Hồ Tú Bảo, Nguyễn Mạnh Đức, Đàm Hiếu Chí, Nguyễn Minh Thọ, “Development of computational science and engineering in Vietnam: Lessons Learned and Recommendations”, International Workshop on Sustainable High-performance computing infrastructures in Vietnam and Stakeholders Meeting for Vietnam NGI, Hà Nội 8.11.2012.
        http://g49.ifi.refer.org/indico/conferenceDisplay.py?confId=20.
7.    Tony Hey, Stewart Tansley, Kristin Tolle (Eds.), The Four Paradigm: Data Intensive Scientific Discovery, Microsoft 2009.
http://research.microsoft.com/en-us/collaboration/fourthparadigm/default.aspx
8.    SIAM: Graduate Education for Computational Science and Engineering  http://www.siam.org/students/resources/report.php

Thứ Tư, 6 tháng 6, 2012

ĐIỆN THOẠI FACEBOOK

Thằng cha Cảnh Toàn có hẳn 1 em bồ tên tây Phây-xờ-búc rất phây phây béo tốt nở nang hàng ngày. Mình được chiêm ngưỡng em Phây mà cũng thấy mê, đành ngêu ngao "mãi mãi là người đến sau...".


Cú này mình sẽ rinh con dế cũng tên Phây-xờ-búc cho hắn lác mắt lòi tròng kính cận ra mới được.
Xin trình làng K13 con bồ mới thiết kế của i...em:


Thiết kế mẫu điện thoại Facebook tuyệt đẹp


(Dân trí - 6/6/2012) - Điện thoại mang tên Facebook là đề tài được người dùng quan tâm trong thời gian gần đây. Một nhà thiết kế đã tạo ra một sản phẩm mẫu rất đẹp dành cho những tín đồ của mạng xã hội lớn nhất thế giới.

Chiếc điện thoại ý tưởng (concept) của nhà thiết kế Michal Bonikowski xuất hiện với màn hình rộng 4,2 inch. Điều thú vị của mẫu thiết kế này chính là máy mang màu sắc đặc trưng của Facebook với gam màu xanh. Chiếc điện thoại này có thiết kế nguyên khối giống như dòng điện thoại HTC One.

Facebook Phone trong ý tưởng của nhà thiết kế Bonikowski sở hữu camera chính 8 megapixel và camera trước 5 megapixel để thực hiện các cuộc đàm thoại video. Nếu ý tưởng biến thành hiện thực thì đây là một smartphone đáng nể.

Ngắm ý tưởng điện thoại Facebook của nhà thiết kế Michal Bonikowski:

Khôi Linh
Ý tưởng điện thoại Facebook màn hình rộng 4,2 inch.

Khôi Linh
Thiết kế nguyên mẫu ấn tượng.

Khôi Linh
Camera sau 8 megapixel và mẫu thiết kế này gây ấn tượng với camera trước 5 megapixel.

Khôi Linh
Tông màu xanh đặc trưng của Facebook.

Khôi Linh

Khôi Linh

Nếu thiết kế mẫu này trở thành hiện thực thì đây sẽ là sản phẩm "bom tấn" sau khi ra mắt.

Khôi Linh

Thứ Năm, 5 tháng 4, 2012

Nhà toán học Endre Szemeredi


(Vĩnh Thuận sưu tầm - 5/4/2012)

Endre Szemeredi, giải Abel 2012:
Thất bại là chuyện thường trong toán học

Theo www.index.hu
GABOR STOCKER
03:06-03/04/2012 - Tạp chí Tia Sáng

Trả lời phỏng vấn sau khi được trao giải Abel 2012, nhà toán học Mỹ gốc Hungary Endre Szemeredi, cho biết ông suy nghĩ chậm chạp và thường là thất bại, "nhưng đây cũng là chuyện thường trong toán học".

Năm 2008, khi ông đưọc giải thưởng Shock của Viện Hàn lâm Thuỵ Điển, ông nói rằng giải Fields, giải Wolf, và giải Abel là ba giải quan trọng nhất trong toán học. Khi đó ông có nghĩ ông sẽ được một trong những giải này không?


Tôi muốn sửa lại ý kiến của mình: bây giờ tôi chỉ nghĩ giải Fields và giải Wolf là hai giải quan trọng nhất thôi. Tôi hoàn toàn ngạc nhiên về giải Abel. Giải thưởng này được tuyên bố đúng trưa ngày thứ tư, và tôi được gọi diện lúc 11 giờ kém năm. Đúng trưa thì ông trưởng ban giải thưởng tuyên bố tôi được giải và một người khác đọc một bài phát biểu về các công trình của tôi. Ông này được thông báo bốn ngày trước đó, tức là ông ấy biết trước tôi. 


Người đó là ông Gowers, người đã đưa ra một cách chứng minh khác cho định lý Szemeredi. 


Ông Gowers đã chứng minh một kết quả mạnh hơn, và phương pháp của ông ấy, chẳng hạn như Gowers norm, hiện nay trở thành rất quan trọng trong một số lĩnh vực của toán học. 

Giải thưởng được tặng cho những công trình của ông trong toán rời rạc (tổ hợp) và lý thuyết tính toán. Ông có thể giải thích một cách đơn giản toán rời rạc là gì không?



Toán rời rạc nghiên cứu cấu tạo của những tập hữu hạn. Một ví dụ rất đơn giản là sổ xố: Có bao nhiêu cách đế lấy ra 5 số từ một tập 90 số. Trong câu hỏi này các dữ liệu đều là hữu hạn. Tất nhiên sự phân biệt này giữa toán rời rạc và liên tục cũng đã được đơn giản hoá rất nhiều. Giữa hai lĩnh vực luôn có sự hợp tác, tương trợ lẫn nhau. Ý tưởng từ lĩnh vực nọ co thể dùng trong lĩnh vực kia và ngược lại. 


Trong các tập rời rạc, ta thường quan tâm tới những cấu trúc đẹp. Câu hỏi có tầm quan trọng đặc biệt là trong những điều kiện nào thì những cấu trúc này sẽ tồn tại. Một phenomenon thường thấy ở đây là ta có thể tìm được cấu trúc đẹp trong một hệ thống hoàn toàn hỗn loạn.

Ông có thể cho một ví dụ?



Chẳng hạn bạn lấy 6 điểm và nối chúng với nhau bằng những đoạn thẳng đỏ hoặc xanh. Dù cho bạn có tô mầu kiểu gì đi chăng nữa, bao giờ bạn cũng tìm được một tam giác có ba cạnh cùng màu. Trường hợp tổng quát của hiện tượng này, được gọi là bài toán Ramsey, đã tồn tại hơn 80 năm, nhưng lời giải của nó còn rất xa chúng ta. 


Phương pháp nghiên cứu của ông như thế nào?


Tôi thường tìm một vấn đề và suy nghĩ về nó trong một thời gian dài. Tôi suy nghĩ chậm chạp và thường là thất bại, thỉnh thoảng mới có một thành công. Nhưng đây cũng là chuyện thường trong toán học. Phần lớn các nhà toán học biết những vấn đề quan trọng là vấn đề nào, và thường nhiều người suy nghĩ trên cùng một vấn đề, nhưng số vấn đề chưa được giải quyết vẫn còn rất nhiều. 


Tất nhiên trong toán học bây giờ, 2, 3,4 người có thể cùng làm việc với nhau trên cùng một câu hỏi. Gần đây, có một phong cách mới, khởi đầu bởi Gowers, là Polymath. Ông ấy post một số bài toán nổi tiếng trên internet, sau đó tất cả những ai quan tâm có thể tham gia nghiên cứu và trao đổi online. Chương trình này đã có một vài thành công đánh kể. Trong hai tháng, họ đã tìm được lời giải tương đối đơn giản cho một bài toán nổi tiếng mà ông Furstenberg (giải thưởng Wolf) đã nghiên cứu trong vòng 30 năm. Polymath có thể là phương pháp nghiên cứu của tương lai, nhưng không phải ai cũng ủng hộ nó. Người ta rất khó chấp nhận khi lao động cả đời trên một vấn đề, và tự nhiên hàng trăm nhà toán học cùng đổ tới một lúc và giải quyết nó nhanh gọn. Ngoài ra, trong những trường hợp nhiều người như vậy, authorship cũng là một vấn đề cần bàn cãi. 


Ông có liên quan gì đến project Polymath này không?


Không. Thường tôi làm việc với một hai người, hoặc một mình. Ngoải ra tôi không biết dùng máy tính, mặc dù theo biên chế tôi là giáo sư ở khoa máy tính (tại Rutgers) chứ không phải khoa toán. Tôi có thể chứng minh được là vợ tôi trả lời tất cả các email của tôi. Tôi có đọc chúng, nhưng không biết sử dụng máy tính thế nào cả1


Tạo sao ông không học dùng máy tính? Ông không thích nó à?


Không. Đơn giản chỉ là tôi quá ngốc thôi. Tôi chẳng hiểu nó hoạt động thể nào cả. Tôi có thể hiểu được internet, vì ta có thể model nó như một cái đồ thị. Nhưng máy tính, ngôn ngữ lập trình, search internet, tôi chẳng biết gì hết. Ngoài ra tôi hoàn toàn bất lực với camera, chưa bao giờ tôi biết chụp ảnh như thế nào. Tôi không biết bật DVD, nếu bà vợ tôi không bật phim cho tôi hay bọn cháu không sang giúp thì tôi chỉ có ngồi nhìn thôi. 


Ông có theo dõi những lý thuyết được xây dựng từ những kết quả của ông?


Có một phần. Tôi rất vui mừng khi thấy nhiều hướng nghiên cứu được nảy sinh từ một số công trình tôi viết cách đây 30-40 năm, trong đó có những lý thuyết mà tôi hoàn toàn không hiểu, như lý thuyết ergodic. Tôi không nghĩ rằng những công trình của tôi trở nên quan trọng đến thế. Chẳng hạn gần đây Green và Tao chứng minh một định lý lớn về sự tồn tại của cấp số cộng có độ dài bất kỳ trong dãy số nguyên tố. Thường những vấn đề như vậy được nghiên cứu bởi nhưng chuyên gia về giải tích số, một lĩnh vực rất xa chuyên môn của tôi. Tôi rất ngạc nhiên là vấn đề này lại được giải quyết bằng số học tổ hợp, và tôi không cảm thấy mình có vai trò lớn trong việc này. Phần lớn những định lý như vậy được chứng minh vì những người nghiên cứu nó thông minh hơn tôi rất nhiều. Nó cũng như việc xây dựng một lâu đài. Những người ở dưới xây lên một vài bức tường đơn giản, và bên trên nó những cấu trúc lộng lẫy sẽ mọc lên. Tôi chỉ dựng một vài bức tường mà thôi2


Ngoải ra người ta cũng viết rằng có nhiều ứng dụng, thuật toán liên quan tới nghiên cứu của tôi. Tôi có làm việc trong lý thuyết đồ thị ngẫu nhiên (random graph theory), và một số nhà khoa học nổi tiếng, Bollobass, Lovasz, Szegedi, chỉ nói tới những người Hung thôi, đã phát triển thêm kết quả của tôi, và tiến tới những câu hỏi rất sâu về cấu tạo của những đồ thị rất phức tạp, chẳng hạn như mạng internet. Tôi cũng muốn nhắc tới ở đây một người gốc Hung khác, ông Barabasi, người đã làm lĩnh vực nghiên cứu này trở nên đại chúng. 

Ông chỉ bắt đầu nghiên cứu toán vào tuổi 22, tại sao?

Nghe lời bố, tôi theo ngành y đầu tiên. Nhưng chỉ sau một thời gian ngắn tôi nhận thấy nó không thích hợp với tôi. Tôi không chắc là tôi có thể làm được một công việc mang tính trách nhiệm cao như vậy. Và ngoài ra còn phải học nhiều nữa, mà cái này thì tôi rất kém. Tôi bỏ học sau một học kỳ và đi làm ở một nhà máy. Sau đó, qua lời khuyên của một người bạn, tôi vào trường Etvos Lorand học toán. Tôi cũng không tha thiết lắm cho đến cuối năm thứ hai, khi Turan có một loạt bài giảng tuyệt vời về lý thuyết số. Sau đó tôi gặp các giáo sư Erdos và Hajnal, là những chuyên gia hàng đầu về toán rời rạc.

GS Erdos là một trong những người có ảnh hưởng nhất trong lĩnh vực của ông. Ông có cảm giác như thế nào khi làm học trò của ông ấy?



Ông Erdos không phải giáo sư của tôi theo kiểu ông Turan, người giảng bài và mang sách cho tôi đọc. Ông Erdos đặt câu hỏi. Thường thì những câu hỏi của ông ấy không cần nhiều kiến thức để hiểu và để giải. Nhưng bạn cần phải suy nghĩ rất sâu và rất lâu, và tìm ra những ý tưởng mới. Ông ấy quả là một người rất có tài năng trong việc mang tới những vấn đề mới đầy thú vị. Có rất nhiều giả thuyết Erdos nổi tiếng.


Từ năm 1967 đến 1970, ông là nghiên cứu sinh ở Moscow dưới sự hướng dẫn của ông Gelfand. Nhưng thật ra ông muốn làm việc với ông Gelfond. Tại sao lại có sự thay đổi này?


Tôi nhầm hai chữ cái (tiếng Nga) “o” và “a”. Tôi muốn học với ông Gelfond vì ông ấy cùng hướng với ông Turan. Nhưng khi tôi nhận ra sự nhầm lẫn thì đã quá muộn. Ở thời đó, chuyển người hướng dẫn là rất khó, nhất là khi hai ông này làm việc ở hai viện nghiên cứu khác nhau. Thật thà mà nói, tôi chẳng hiểu gì những cái ông Gelfand và nhóm của ông ấy làm cả, đó là một kiểu toán khác hẳn, ngay cả những sinh viên 20 tuổi của ông ấy cũng biết hơn tôi nhiều. 


Thế tại sao ông vẫn ở chỗ ông Gelfand hơn hai năm? 


Tại vì hồi đó người ta qui định phải làm nghiên cứu sinh trong 3 năm, mà tôi thì lúc nào cũng theo luật. Cuối cùng tôi cũng viết một luận án, về toán rời rạc. Ông Gelfand cho phép tôi không tham gia gì đến những cái ông và học trò ông ấy làm, và muốn viết gì thì viết. Trong con mắt ông ấy tôi là một cậu học trò người Hung với những ý định tốt nhưng không có khả năng hiểu toán học hiện đại3


Cuối năm thứ nhất của tôi thì ông Gelfond (với chữ “o”) đến Hung dự một hội nghị tại Debrecen và tôi được chỉ định đi theo ông ấy như một sinh viên biết nói tiếng Nga. Nhưng tiếng Nga thì tôi thi trượt ở đại học hai lần. Tôi chẳng có chủt năng khiếu về ngoại ngữ nào hết. Lần thi thứ ba, tôi pass với điểm vớt (D), nhưng sự thật là chỉ vì tôi đã mua một bó hoa hồng ở chợ trời tặng bà giáo sư hỏi thi mà thôi. 


Cuối cùng tôi cũng gặp Gelfond, với cái vốn tiếng Nga không khá khẩm gì của mình. Ông gíáo sư đáng kính ấy được giao một nhiệm vụ vinh quang và cay đắng là mua quần áo và giầy cho vợ và con gái. Tôi giúp ông ấy, mặc dầu kiến thức về giầy cao gót của tôi cũng rất hạn chế, và chúng tôi trở thành bạn tốt. Ông ấy hứa sẽ giúp tôi học dưới sự hướng dẫn của ông ấy khi quay trở lại Moscow. Nhưng thật đáng tiếc, ông ấy mất hai tháng sau vì bệnh tim, và thế là tôi đành ở lại với ông Gelfand.


Ông đã ở nước ngoài khá lâu. Trong 20 năm gần đây ông là GS ở Rutgers, trước đó ông cũng là visiting prof. ở ĐH Nam Carolina. Ông có nghĩ làm toán tại Mỹ thì dễ hơn ở Hungary?
Đối với sự nghiên cứu của tôi, thì chỗ tốt nhất là trường Etvos và Viện Toán học Rényi ở Budapest. Nnưng tôi có năm con, và nói thật với bạn, lý do duy nhất tôi ra nước ngoài là thu nhập. Sẽ có nhiều người không thích điều tôi nói, hoặc là họ nghĩ rằng tôi phải nói một lý do gì đó hay ho hơn, nhưng sự thật là tôi đi chỉ vì tiền thôi. 


Tất nhiên là có những lĩnh vực của toán học mà chỉ có thể học được ở nước ngoài vào lúc đó. Tôi rất vui khi thấy nhiều bạn trẻ hôm nay đi vào những lĩnh vực quan trọng mà trong thời của Erdos còn chưa tồn tại. Có thể nửa trong số họ sẽ tiếp tục ở lại nước ngoài, nhưng nửa còn lại sẽ quay lại Hung. Chúng tôi có rất nhiều sinh viên có năng khiếu, và về mặt chuyên môn thì ở Mỹ cũng không hơn ở Hung bao nhiêu. 

Ông có hài lòng về nguồn lực mới của toán học Hungary?



Tôi rất hài lòng, mặc dầu tôi không phải chuyên gia về sư phạm. Khi tôi đi nghe một bài giảng, nhiều khi tôi chẳng hiểu hết, nhưng có những sinh viên, mà qua những câu hỏi của họ, tôi có thể thấy họ nắm vấn đề một cách chắc chắn. 


Ông nói rằng ông đã nghỉ hưu ở đây (Budapest) rồi, vậy ông thư giãn như thế nào?


Tôi rất thích đi dạo, nhưng gần đây hông tôi có vấn đề, nên việc này cũng hơi khó. Tôi chơi quần vợt tuần một lần, ông coach thường đánh bóng ngay trước người để tôi không phải di chuyển. Cách đây hai tháng tôi bắt đầu tập chơi ping-pong. Tôi xem nhiều phim với gia đình, hoặc đi rạp hát. Trên TV có loại thể thao gì tôi đều xem hết, tôi đã làm thế từ rất nhiều năm nay. Tôi xem bóng đá, Formula 1, bóng rổ, rồi cả những môn được coi là chán như là bóng chày. Quần vợt thì tất nhiên rồi. Tôi đánh không hay, nhưng khi xem tôi có thể biết ngay Nadal sẽ dùng đấu pháp nào. Cái này thì bạn chẳng cần là nhà toán học đâu, chỉ là một người mê thể thao là đủ4.
---------------------------------------------

Chú thích của người dịch:

1. Ngoài ra ông Endre không biết dùng text, và thường gọi computer là calculator. Nếu bà Anna không trả lời email thì là một trong các học trò của ông ấy.

2. Bức tường của Szemeredi nói vậy không đơn giản chút nào, chứng minh của nó hơn 50 trang và chỉ có ít người hiểu thôi; sau đó có những chứng minh khác dễ hiểu hơn như của Furstenberg. Định lý Szemeredi là Lemma chủ chốt trong chứng minh của Green và Tao.

3. Gelfand sau đó tái ngộ Szemeredi tại Rutgers. Khi đã ngoài 70, Gelfand rời Nga và nhận một position tại Rutgers. Tại sao lại có cái position này cũng là chuyện rất ly kỳ, nhưng xin kể ở nơi khác. Chuyện Gelfand seminar cũng rất hay.

4. Ông Endre rất có năng khiếu thể thao, lại thuận bên trái. Ông rất thích kể chuyện khi còn thiếu niên thi đấu bóng đá đã được Kocsis–thành viên của đội tuyển vàng Hungary những năm 50–đến xem và khen ngợi.

Theo Vuhavan's Blog


------------------------------------------------------------------------------------------------------------------------------


09:33-26/03/2012 - Tạp chí Tia Sáng
Nhà toán học Mỹ gốc Hungary giành giải thưởng Abel
Theo Science, 21/3/2012
Barry Cipra

Nhà toán học người Mỹ gốc Hungary Endre Szemerédi đã được trao giải Abel năm 2012, dành cho “những đóng góp cơ bản cho ngành toán rời rạc và khoa học lý thuyết máy tính”, theo công bố của hội đồng giải thưởng hôm 21/3 vừa rồi.

Giải thưởng trị giá 6 triệu kronor (tương đương 1 triệu USD) này được trao hằng năm bởi Viện Hàn lâm Khoa học Na Uy kể từ năm 2003. Tên giải thưởng lấy theo tên nhà toán học Na Uy sống hồi đầu thế kỷ 19 Niels Henrik Abel, người có công xây nền móng cho đại số và giải tích, dù mất sớm vì bệnh lao khi mới 27 tuổi.


Nghiên cứu của Szemerédi, chủ yếu về số học tổ hợp và lý thuyết số, đã cho thấy khi một hệ thống các yếu tố rời rạc trở nên lớn – ví dụ như những trang web có nhiều link trên internet – thì vẫn có một cấu trúc cho dù hệ thống hoàn toàn ngẫu nhiên. Bên cạnh đó, kết quả nghiên cứu của ông cũng cho thấy có những khía cạnh hữu ích của tính ngẫu nhiên ngay cả bên trong những hệ thống có tính cấu trúc cao.


Endre Szemerédi (1940) là giáo sư ngành khoa học máy tính của Đại học Rutgers ở New Brunswick, bang New Jersey, Mỹ, từ năm 1986. Trước đó, ông từng làm việc tại Viện Toán học Alfréd Rényi thuộc Viện Hàn lâm khoa học Hungary.
Kết quả nghiên cứu nổi tiếng nhất của nhà toán học này là một định lý nền tảng xác lập sự hiện hữu của những cấp số cộng dài một cách tùy ý, biểu trưng cho trật tự, trong bất cứ chuỗi số nguyên nào không thưa thớt một cách vô tận. Ví dụ, nếu một nguyên nhân nào đó làm mất đi 99,99% các số nguyên một cách ngẫu nhiên, thì trong số 0,01% còn lại vẫn tồn tại một cấp số cộng. Định lý của Szemerédi, được ông chứng minh vào năm 1975, trước đó không có lời giải trong vài thập kỷ sau khi được đề xuất bởi Paul Turán, một nhà toán học người Hungary, và Paul Erdös, chính là thày của Szemerédi. (Erdös chết năm 1996, là người từng treo thưởng bằng tiền cho người đầu tiên giải được vấn đề ông đưa ra. Và Szemerédi là người nhận được khoản tiền thưởng này sau khi tìm được lời giải).

Bài báo công bố lời giải của Szemerédi có thể coi là “một tuyệt tác”, theo lời Terence Tao, nhà toán học từ Đại học California tại Los Angeles, người tham gia hội đồng giải thưởng năm nay. “Khi tôi đọc nó, tôi có cảm giác như chứng kiến một chuyên gia tung hứng tung lên không trung hàng tá quả bóng và tóm chúng lại một cách hoàn hảo”.

Trong một cuộc khảo sát về công trình của Szemerédi liên quan tới công bố Giải thưởng Abel, nhà toán học Timothy Gower từ Đại học Cambridge của Anh nhận xét rằng đóng góp của Szemerédi lớn hơn nhiều so với tầm vóc một định lý hay một bổ đề đơn lẻ. “Ông đã công bố hơn 200 bài báo” theo suốt một sự nghiệp kéo dài 5 thập kỷ, Gower nói. “Và ở tuổi 71, không có dấu hiệu nào cho thấy ông bị chững lại”.

Lược dịch theo 



(Ng. Vĩnh Thuận sưu tầm theo Tạp chí Tia Sáng online)