Page 21 - Tạp chí Năng lượng Mới - Số 186

đánh giá và đưa ra các nhận định, khi sử thí nghiệm (DoE giúp giảm số lượng thí
dụng iLab người dùng chỉ cần tiến hành nghiệm cần thực hiện, tiết kiệm thời gian
một số thí nghiệm đầu tiên trong kế hoạch và tài nguyên); Phân tích dữ liệu sâu sắc (AI
và iLab sẽ tham gia trực tiếp, đồng hành và mô hình học máy có khả năng phát hiện
với người nghiên cứu để hỗ trợ và đề xuất các mối quan hệ phức tạp giữa các yếu tố
thông số cho các lần thí nghiệm tiếp theo, ảnh hưởng đến kết quả thí nghiệm, từ đó Đặc điểm nổi bật
nhanh chóng hướng tới kết quả cuối cùng. đưa ra dự đoán chính xác hơn). Sản phẩm của iLab là khả năng
Sản phẩm này không chỉ giúp các nhà này cũng giúp tự động hóa quy trình (iLab dự đoán kết quả với
nghiên cứu tiết kiệm thời gian và nguồn có thể tự động hóa nhiều giai đoạn trong mức độ chính xác
lực mà còn cung cấp những phân tích sâu quy trình thí nghiệm, từ thiết kế đến phân cao, quản lý dữ liệu
sắc về mối quan hệ giữa các thành phần tích kết quả, giảm thiểu lỗi do con người);
trong thí nghiệm. Việc tiết kiệm nguồn lực dễ dàng tích hợp và mở rộng với các phần lịch sử một cách
đầu vào sẽ giúp giảm chi phí thực hiện thí mềm và thiết bị phòng thí nghiệm khác, tạo khoa học và tối ưu
nghiệm, giảm áp lực cho công tác xử lý chất thành một hệ sinh thái hoàn chỉnh... hóa quy trình thí
thải sau thí nghiệm, qua đó góp phần bảo Hạn chế của iLab là chi phí đầu tư ban nghiệm. Sản phẩm
vệ môi trường. đầu cao, do đòi hỏi đầu tư lớn vào phần này không chỉ giúp
PV: iLab được giới thiệu là có thể ứng cứng, phần mềm và đào tạo nhân lực; AI
dụng trong nhiều lĩnh vực khác nhau. Ông và mô hình học máy cần lượng lớn dữ liệu các nhà nghiên cứu
có thể chia sẻ cụ thể hơn về khả năng ứng chất lượng cao để đào tạo và hoạt động tiết kiệm thời gian
dụng của iLab trong ngành Dầu khí? hiệu quả. Cấu hình và điều chỉnh các mô và nguồn lực mà
Ông Lê Ngọc Anh: Trong ngành Dầu hình AI và học máy có thể phức tạp và đòi còn cung cấp những
khí, iLab có thể đóng vai trò quan trọng hỏi kiến thức chuyên sâu. Mặc dù AI có khả phân tích sâu sắc về
trong nhiều khía cạnh. Ví dụ, trong lĩnh năng dự đoán tốt, nhưng vẫn có khả năng mối quan hệ giữa các
vực hóa học và vật liệu, iLab có thể hỗ trợ xảy ra sai số, đặc biệt trong các trường hợp thành phần trong thí
các nhà nghiên cứu và kỹ sư tối ưu hóa phức tạp hoặc khi dữ liệu không đầy đủ.
quy trình phát triển các loại vật liệu mới PV: Xin ông chia sẻ về những thách thức nghiệm, giúp giảm
cho ngành Dầu khí. Sản phẩm có khả năng AI Works đã phải đối mặt trong quá trình chi phí thực hiện và
dự đoán và tối ưu hóa thành phần của các nghiên cứu phát triển sản phẩm này? giảm áp lực cho công
hợp chất, giúp tiết kiệm thời gian và chi phí Ông Lê Ngọc Anh: Một trong những tác xử lý chất thải
trong quá trình nghiên cứu. thách thức lớn nhất mà chúng tôi gặp sau thí nghiệm.
Ngoài ra, iLab còn có thể hỗ trợ trong phải là việc tích hợp các thuật toán AI và
việc tối ưu hóa quy trình sản xuất và kiểm học máy vào quy trình thiết kế thí nghiệm
soát chất lượng trong các nhà máy lọc dầu. truyền thống, bảo đảm rằng các dự đoán và
Bằng cách phân tích dữ liệu lịch sử và áp đề xuất của hệ thống không chỉ chính xác
dụng các thuật toán AI, iLab có thể đề xuất mà còn phải phù hợp với thực tế và có thể
những điều chỉnh để cải thiện hiệu suất áp dụng được.
sản xuất và bảo đảm chất lượng sản phẩm.
PV: So với các giải pháp tối ưu hóa quy
trình thí nghiệm đang được sử dụng trên thế
giới, điểm khác biệt của iLab là gì, thưa ông?
Ông Lê Ngọc Anh: iLab, với sự kết hợp
độc đáo giữa thiết kế thí nghiệm (DoE),
AI và mô hình học máy, mang đến những
lợi thế vượt trội trong việc tối ưu hóa quy
trình thí nghiệm. Tuy nhiên, như mọi công
nghệ khác, iLab cũng có những hạn chế
nhất định.
Điểm mạnh của iLab là tăng hiệu
quả và độ chính xác: Tối ưu hóa thiết kế

iLab có thể dễ dàng
tích hợp với các
phần mềm và thiết bị
phòng thí nghiệm khác

21
NĂNG LƯỢNG MỚI Số 186 (8-10-2024) 21
NĂNG LƯỢNG MỚI Số 186 (8-10-2024)