AI lập bản đồ các bài báo khoa học để dự đoán xu hướng nghiên cứu

Số lượng bài báo khoa học đang tăng lên nhanh đến mức các nhà khoa học không còn khả năng theo dõi hết tất cả, ngay cả trong lĩnh vực nghiên cứu của họ. Vì vậy, nhóm nghiên cứu ở Viện Công nghệ Karlsruhe (Đức) đã sử dụng AI để phân tích một cách có hệ thống các ấn phẩm khoa học vật liệu nhằm tìm ra những ý tưởng mới, từ đó xác định các hướng nghiên cứu tiềm năng.

Vật liệu là nền tảng của nhiều công nghệ, chẳng hạn như pin, pin mặt trời, linh kiện điện tử và ứng dụng y tế. Điều này làm cho khoa học vật liệu trở thành một lĩnh vực liên ngành có tác động mạnh mẽ đến nhiều lĩnh vực nghiên cứu và công nghệ, và tương ứng với đó là một lượng lớn các bài báo nghiên cứu. Tuy nhiên, những phát hiện được mô tả trong các bài báo này chỉ hữu ích nếu có thể xác định được các xu hướng và mối quan hệ có liên quan. Trong bối cảnh đó, nhóm nghiên cứu đã xem xét các cách thức phân tích bài báo khoa học một cách có hệ thống.

Theo GS. Pascal Friederich (Viện Công nghệ Karlsruhe – Đức), mục tiêu của nhóm nghiên cứu là hỗ trợ các nhà khoa học trong quá trình tư duy sáng tạo bằng cách làm sáng tỏ những hướng nghiên cứu mới và cơ hội hợp tác liên ngành.

Trong dự án của mình, nhóm nghiên cứu đã kết hợp các mô hình ngôn ngữ lớn (LLM) với các phương pháp máy học (LM). Các LLM bắt đầu bằng cách xác định các thuật ngữ chính và các khái niệm khoa học trong các bài báo khoa học. Thông tin này được sử dụng để tạo ra một đồ thị khái niệm, một mạng lưới tri thức trong đó mỗi từ khóa tạo thành một nút. Một mô hình máy học thứ hai kết nối các nút khi các thuật ngữ được đề cập cùng nhau, đặc biệt là thường xuyên trong các bài báo khoa học.

Thomas Marwitz - tác giả chính của nghiên cứu cho biết nếu LLM quan sát thấy các thuật ngữ như “perovskite” và “pin mặt trời” xuất hiện cùng nhau thường xuyên hơn, LLM sẽ vẽ một liên kết mới trong đồ thị khái niệm. Sau đó, một mô hình ML sẽ phân tích xu hướng trong các liên kết này để dự đoán sự kết hợp nào của các khái niệm khoa học có thể trở nên quan trọng hơn trong hai hoặc ba năm tới.

Mô hình máy học thực hiện điều này bằng cách phân tích sự thay đổi của các liên kết giữa các thuật ngữ qua nhiều năm. Khi một số khái niệm được liên kết với tần suất ngày càng tăng, đây có thể là dấu hiệu cho thấy một lĩnh vực nghiên cứu mới đang phát triển. Ngược lại, sự giảm số lượng liên kết có thể là dấu hiệu cho thấy một số chủ đề đang mất đi tính liên quan.

Kết quả phân tích có thể hướng các nhà khoa học đến những sự kết hợp chủ đề trước đây ít được chú ý. Các cuộc phỏng vấn với các chuyên gia cho thấy họ thực sự coi một số đề xuất do AI tạo ra là sáng tạo và đầy hứa hẹn. Vì vậy, đây sẽ là công cụ phân tích có thể giúp xác định các ý tưởng mới và cơ hội hợp tác hiệu quả hơn, tăng cường hỗ trợ có mục tiêu cho sự sáng tạo khoa học.

Hoàng Kim - Theo https://techxplore.com/