Tại Hội thảo, AICOST (Trí tuệ nhân tạo cho biến đổi khí hậu và điều khiển hệ thống/Artificial Intelligence for Tackling Climate Change and Controlling System) đã có bài tham luận về “Comparison of performance of RainNet with proposed Rainet + GA algorithm” (do Michael Mike, TS. Trần Thị Ngân và TS. Trần Mạnh Tuấn trình bày). Trong nghiên cứu này, các nhà khoa học đã kết hợp thuật toán di truyền với mô hình RainNet đã có để cải thiện hiệu năng dự báo của mô hình RainNet. Thuật toán di truyền (GA) được sử dụng để điều chỉnh các siêu tham số như kích thước bộ lọc, chức năng kích hoạt và một số chu kỳ cho mô hình RainNet. Để nâng cao hiệu suất của mô hình hiện có (RainNet) cho dự báo hiện tại, một hàm mục tiêu được xây dựng, khi đó giá trị sai số tuyệt đối trung bình xuống dưới 0,3 trong 5 phút tiếp theo của dự báo. Ngoài ra, các nhà khoa học có đánh giá hiệu suất của mô hình mới với các mô hình Unet kết hợp với giải thuật di truyền (GA) trong dự báo. Kết quả thử nghiệm chỉ ra rằng RainNet vượt trội hơn trong việc dự báo mưa ngắn hạn, nhưng RainNet lại tiêu tốn tài nguyên để thực hiện tính toán, do vậy để thực hiện cần cài đặt trên bộ xử lý đồ họa (GPU). Kết quả cho thấy sai số tuyệt đối trung bình 0,0445 trong 5 phút tiếp theo của dự báo vượt trội so với cấu trúc RainNet đã có sẵn. Với việc sử dụng GA, đã chứng tỏ rằng việc sử dụng các chức năng kích hoạt mới được phát triển như ‘SELU’ và ‘Swish’ tốt hơn hơn so với ReLU.
Nhóm ROOM (Nghiên cứu các hợp chất hữu cơ/Research of Organic Matter) đã tổ chức hội thảo với chủ đề “Tồn lưu các chất hữu cơ độc hại và ứng dụng các chế phẩm sinh học nhằm cải tạo, phục hồi, nâng cao độ phì trong đất nông nghiệp”. Tại hội thảo nhóm ROOM đã trình bày 03 bài tham luận về:
(1) Vai trò của chất hữu cơ trong phục hồi độ phì đất thoái hóa do TS. Lê Tuyết Thu trình trình bày.
(2) Ứng dụng chế phẩm sinh học từ vi sinh vật để xử lý đất ô nhiễm các hợp chất hữu cơ khó phân huỷ do TS. Lê Thị Nhu Công trình bày.
(3) Đánh giá khả năng cố định đạm của Azotobacter nhân sinh khối trong môi trường vỏ cà phê đã qua xử lý do TS. Trần Thị Minh Loan trình bày.
Các kết quả nghiên cứu của nhóm ROOM tập trung vào một số điểm chính như sau:
(1) Tầm quan trọng của chất hữu cơ trong đất, chất hữu cơ trong đất trên thế giới và Việt Nam.
(2) Tình hình ô nhiễm và độc tính của hydrocarbon thơm, các cơ chế hấp thụ các chất ô nhiễm hữu cơ lên biochar, tiềm năng phế phụ phẩm ở Việt Nam, giải pháp chế phẩm vi sinh trên than sinh học…
(3) Ảnh hưởng của lượng vi sinh vật Azotobacter được bổ sung vào đất đến chiều cao trung bình của cây lolo xanh ở mỗi nghiệm thức qua từng giai đoạn; Chủng Azotobacter khi lên men trên môi trường vỏ cà phê đã qua xử lý đạt mật độ là 7,85.109 CFU/g và có khả năng cố định đạm, làm tăng lượng đạm trong môi trường nuôi cấy Getchinson từ 0,331mg/l lên 0,503mg/l; Khi bổ sung vi khuẩn Azotobacter vào đất trồng với liều lượng là 180g/chậu cho thấy rằng sau một vụ trồng mật độ vi sinh vật trong đất tăng lên cao nhất là 2,55.106 CFU/g đất; năng suất trung bình ước tính cho một vụ lolo xanh đạt mức cao nhất là 4,390 tấn/1000 m2. Hàm lượng nitrat trong đất khi thu hoạch cũng tăng từ 0,007mg N-NH4/g lên 0,036mg N-NH4/g đất.
Tương tự, nhóm GRAT (Ứng dụng GIS và viễn thám/GIS and Remote sensing Application) cũng đã tổ chức thành công Hội thảo về Tổng kết khảo sát thực địa tại tỉnh Bà Rịa- Vũng Tàu. Trong đợt khảo sát này nhóm GRAT đã tổ chức đo đạc, khảo sát địa hình và thủy văn tại Cánh đồng Bưng, xã Phước Hội, huyện Đất Đỏ, tỉnh Bà Rịa – Vũng Tàu. Bên cạnh đó, nhóm GRAT cũng đã có chuyến khảo sát và đo đạc tại một số cửa biển như Bến Lội, Lộc An, Cửa Lấp và Sông Dinh thuộc tỉnh Bà Rịa – Vũng Tàu.
Nhóm MLIC (Nghiên cứu Kỹ thuật học máy và điều khiển thông minh/Machine Learning Techniques and Intelligent Control) đã trình bày bài tham luận về “Nâng cao khả năng đáp ứng cho hệ thống điều khiển” do TS. Nguyễn Trọng Thắng, TS. Ngô Trường Giang, và ThS. Cù Việt Dũng trình bày. Nghiên cứu này của nhóm MLIC sử dụng thuật toán điều khiển trượt để nâng cao khả năng đáp ứng nhanh cho hệ thống điều khiển. Thuật toán được thiết kế trong không gian trạng thái sao cho các biến trạng thái đi theo quỹ đạo của mặt trượt để trở về điểm cân bằng (giá trị mong muốn) nhanh nhất. Kết quả của thuật toán được thử nghiệm trên mô hình điều khiển quỹ đạo cho cánh tay robot. Kết quả là hệ thống cánh tay robot nhanh chóng đạt được tọa độ mục tiêu với thời gian đáp ứng nhanh và chất lượng tốt.
Dưới đây là một số hình ảnh được ghi nhận tại các buổi Hội thảo.
Nhóm Trí tuệ nhân tạo cho biến đổi khí hậu và điều khiển hệ thống (AICOST) tại buổi hội thảo
Nhóm Nghiên cứu các hợp chất hữu cơ (ROOM) tại buổi hội thảo
Nhóm Nghiên cứu Kỹ thuật học máy và điều khiển thông minh (MLIC) tại buổi hội thảo