Đề tài nghiên cứu nhận giải thưởng Euréka 2024: Nhanh nhạy với công nghệ mới và tính ứng dụng cao

Thành Đoàn TP.HCM vừa phối hợp với Đại học Quốc gia (ĐHQG) TP.HCM tổ chức lễ tổng kết trao Giải thưởng sinh viên nghiên cứu khoa học - Euréka lần thứ 26 năm 2024.

Đây là giải thưởng dành cho các công trình nghiên cứu khoa học, sáng tạo của sinh viên, nhằm phát huy năng lực tư duy sáng tạo, chủ động trong học tập, nghiên cứu của sinh viên. Từ đó góp phần ứng dụng kiến thức trong nhà trường giải quyết các vấn đề thực tiễn cuộc sống, đất nước.

Theo đó, sau 5 tháng triển khai, ban tổ chức đã lựa chọn và trao giải cho 187 trong số 1.900 đề tài tham gia. Trong đó có 15 giải nhất, 14 giải nhì, 18 giải ba và 140 giải khuyến khích, tổng giá trị giải 414 triệu đồng.

Tại buổi trao giải, GS.TS Nguyễn Thị Thanh Mai - Phó Giám đốc ĐHQG TP.HCM đánh giá cao các nghiên cứu của sinh viên khi ứng dụng AI, mô hình học sâu, học máy vào giải quyết các bài toán trong y tế, giáo dục, giao thông... Điều này thể hiện sự nhanh nhạy các công nghệ mới, hướng đi mang tính ứng dụng cao vào thực tiễn của sinh viên.

"Giải thưởng Euréka không chỉ tôn vinh các nghiên cứu xuất sắc mà còn định hình phong trào nghiên cứu tại các cơ sở giáo dục. Giải thưởng trở thành bệ phóng cho các tài năng trẻ giúp các bạn tự tin bước ra thế giới", GS Mai chia sẻ.

Xây dựng bản đồ nổi cho học sinh khiếm thị

Đoạt giải nhất trong lĩnh vực Khoa học giáo dục là nhóm sinh viên đến từ Trường ĐH Sư phạm TP.HCM với đề tài “Xây dựng bản đồ nổi trong môn Lịch sử và Địa lí lớp 8 dành cho học sinh khiếm thị”.

Theo nhóm nghiên cứu, bản đồ nổi là phương tiện học tập đặc biệt dành cho học sinh khiếm thị (HSKT) với thiết kế hình ảnh và thông tin dưới dạng nổi, giúp người học cảm nhận thông qua xúc giác kết hợp cùng chữ Braille. Các yếu tố địa lí và không gian trên bản đồ được đơn giản hóa, phù hợp với đặc điểm học tập của HSKT. Điều này giúp HSKT dễ dàng định hướng và tiếp nhận thông tin hiệu quả.

Trong Giáo dục phổ thông 2018, giáo dục hòa nhập là nguyên tắc cốt lõi, với mục tiêu tạo cơ hội cho học sinh khuyết tật (gồm HSKT) tham gia học tập và phát triển toàn diện. Đặc biệt, quá trình giảng dạy cần có sự hỗ trợ các phương tiện học tập phù hợp, như bản đồ nổi. Tuy nhiên, việc áp dụng bản đồ nổi tại các trường phổ thông hiện nay còn nhiều khó khăn do thiếu tài liệu hướng dẫn và hỗ trợ.

Trước tình trạng đó, nhóm đã đề xuất quy trình thiết kế bản đồ nổi, bằng phương pháp chọn lọc có hệ thống, đơn giản hóa và tập trung vào nội dung cốt lõi, công nghệ in tạo hình chân không… Đồng thời, nhóm đã xây dựng một series 10 bản đồ nổi cho môn Lịch sử và Địa lý lớp 8.

Sau khi cho giáo viên và HSKT thử nghiệm, bản đồ nổi được đánh giá cao về tính khả thi, hình thức, nội dung và mức độ hứng thú trong giảng dạy. Dù có một số hạn chế, như vấn đề chuyển ngữ và thời gian làm quen nhưng quy trình thiết kế đã nhận được sự đồng thuận từ giáo viên về tính khoa học và hiệu quả.

Từ đó cho thấy vai trò quan trọng của bản đồ nổi trong việc phát triển năng lực, phẩm chất của HSKT. Đồng thời khẳng định bản đồ nổi là phương tiện cần thiết, góp phần nâng cao chất lượng học tập và thực hiện hóa mục tiêu giáo dục hòa nhập hiệu quả tại các trường phổ thông.

Dùng AI tạo mô hình tầm soát bệnh

Giải nhất trong lĩnh vực Khoa học Y, Dược thuộc về Trường ĐH Khoa học Sức khỏe, ĐHQG TP.HCM với chủ đề: “Xây dựng mô hình máy học kết hợp và website tầm soát trước sinh bệnh Thalassemia”.

Theo nhóm nghiên cứu, Thalassemia là bệnh di truyền phổ biến, ảnh hưởng hơn 7% dân số toàn cầu. Tại Việt Nam, có 13,8% dân số mang gen bệnh, mỗi năm có thêm 2.000 trường hợp nặng và 800 ca phù thai.

Việc tầm soát hiện nay chủ yếu dựa trên các chỉ số MCV và MCH nhưng không hoàn toàn đặc hiệu, dễ nhầm với thiếu máu thiếu sắt (TMTS) hoặc viêm, dẫn đến độ dương tính giả cao. Do đó cần các xét nghiệm bổ sung nhưng vẫn phức tạp và tốn kém. Hơn nữa, thalassemia thể nhẹ và TMTS có triệu chứng lâm sàng tương tự, gây khó khăn trong chẩn đoán. Vì vậy, nghiên cứu này được tiến hành với mục đích xây dựng một công cụ tầm soát bệnh thalassemia trước sinh đơn giản, chính xác, với khả năng tầm soát đồng thời số lượng lớn.

Công cụ tầm soát được xây dựng dựa trên trí tuệ nhân tạo (AI) và phân tích đặc điểm dịch tễ, cận lâm sàng, kiểu gen thalassemia tại Việt Nam, từ dữ liệu của 1.412 đối tượng tại Bệnh viện Hùng Vương (năm 2018-2024).

Với phương pháp stacking kết hợp các thuật toán SVM, GAM và FDA, đánh giá qua các chỉ số như độ nhạy, độ đặc hiệu... và triển khai dưới dạng website. Trong 1.412 đối tượng, có 710 người mang gen thalassemia. α-thalassemia chiếm ưu thế với đột biến – SEA phổ biến nhất; β-thalassemia thường gặp đột biến HBE.

Kết quả cho thấy mô hình đã đạt độ nhạy cao, phát hiện chính xác các thể bệnh, kể cả thể ẩn, thể nhẹ, phối hợp hai thể bệnh α-β và đồng mắc với thiếu máu thiếu sắt. Quy trình tầm soát cũng được tối ưu hóa qua website với giao diện thân thiện, dễ dàng tiếp cận và có thể thực hiện cùng lúc với lượng lớn bệnh nhân. Từ đó giúp giảm tải gánh nặng cho hệ thống y tế và dễ dàng tiếp cận dịch vụ với các đối tượng có nhu cầu tầm soát trước sinh.

Ứng dụng mô hình học sâu để tối ưu đầu tư chứng khoán

Trong lĩnh vực Kinh tế, giải nhất thuộc về ứng dụng học sâu để xây dựng mô hình tối ưu hóa danh mục đầu tư trên thị trường chứng khoán Việt Nam của Trường ĐH Ngân hàng TP.HCM.

Lê Phạm Đức Huy - đại diện nhóm nghiên cứu cho biết, việc ứng dụng các mô hình học sâu trong tối ưu hóa danh mục đầu tư đang trở nên ngày càng phổ biến và quan trọng trong kỷ nguyên công nghệ số.

Tại Việt Nam, với những đặc thù riêng về cơ cấu doanh nghiệp, quy mô thị trường và tính thanh khoản, đòi hỏi các phương pháp tối ưu hóa phù hợp với bối cảnh thị trường. Tuy nhiên, hiện vẫn chưa có nghiên cứu thực nghiệm về vấn đề này.

Do đó, nhóm nghiên cứu đã xây dựng mô hình tối ưu hóa danh mục đầu tư sàn HOSE trên cơ sở ứng dụng các thuật toán học sâu thông qua mô hình trí nhớ ngắn hạn định hướng dài hạn (Long - short term memory, viết tắt là LSTM). Thuật toán này sẽ giúp người dùng lựa chọn cổ phiếu và xây dựng danh mục đầu tư tối ưu, kết hợp chỉ báo SMA nhằm xác định thời điểm mua/bán, cải thiện hiệu quả đầu tư so với hai phương pháp phân bổ danh mục truyền thống.

Cuối cùng nhóm nghiên cứu xây dựng ứng dụng lựa chọn danh mục đầu tư mang đến giao diện trực quan, dễ sử dụng, phù hợp cho cả nhà đầu tư chuyên nghiệp và cá nhân. Các kết quả như tỷ suất lợi nhuận dự kiến và tỷ lệ phân bổ tài sản sẽ được hiển thị dưới dạng biểu đồ trực quan, giúp người dùng dễ dàng nắm bắt và so sánh. Hơn nữa, ứng dụng cung cấp các tính năng nổi bật như theo dõi và phân bổ danh mục đầu tư theo khoảng thời gian tùy chọn. Nhờ đó, các nhà đầu tư cá nhân có thể dễ dàng quản lý tài sản và tối ưu hóa lợi nhuận theo các chiến lược riêng.

Trạm lắp ráp giúp tăng năng suất

Đoạt giải nhất lĩnh vực Kỹ thuật công nghệ, nhóm sinh viên Trường Đại học Hàng hải Việt Nam đã nghiên cứu chế tạo trạm lắp ráp trong nhà máy. Thiết bị có khả năng tùy biến theo nhân trắc học (phép đo lường cá nhân) từng công nhân giúp họ cải thiện sức khỏe, nâng cao năng suất lao động.

Theo nghiên cứu, các trạm lắp ráp thủ công thường là dạng cố định. Do đó công nhân khi lắp ráp, thường bị đau mỏi các khớp cổ, vai, lưng, cánh tay... làm giảm hiệu suất lao động. Sau khi nhóm khảo sát 147 dữ liệu từ 20 doanh nghiệp đã tiến hành chế tạo trạm lắp ráp có thể tùy biến theo nhân trắc học từng công nhân.

Cụ thể, trạm lắp ráp này có điều chỉnh vị trí và cao độ của bàn làm việc, hộp đựng chi tiết theo nhân trắc học của người công nhân, đảm bảo thoải mái và không gây mệt mỏi. Hộp đựng chi tiết có thể tuỳ chỉnh kéo ra đẩy vào và xoay nhiều góc nghiêng thuận lợi cho người công nhân dễ thao tác. Cường độ ánh sáng được điều chỉnh để phù hợp với thị lực của người công nhân.

Ngoài ra, hệ thống còn có thể được cấu hình để ghi nhớ, thiết lập thông qua việc sử dụng thẻ RFID để tự động điều chỉnh bàn làm việc phù hợp với nhân trắc học của từng công nhân, đồng thời cài đặt giao diện người - máy tích hợp qua nhận diện bằng camera.

Trạm lắp ráp được tích hợp module giám sát thao tác và chỉ dẫn công việc như máy chiếu, camera giúp theo dõi quá trình làm việc, hỗ trợ hướng dẫn thao tác lắp ráp cho người công nhân. Giúp người công nhân lắp ráp đúng quy cách, giảm thiểu tối đa lỗi trong quá trình lắp ráp.

Đặc biệt, khi thử nghiệm trên 8 công nhân sử dụng trạm lắp ráp do nhóm thiết kế, thời gian hoàn thành sản phẩm từ 1.819 phút xuống 1.560 phút so với trạm thông thường, giúp tăng năng suất lao động.