Từ giảng đường UET đến ICML 2026: Sinh viên ngành Khoa học máy tính công bố nghiên cứu tại Hội nghị khoa học về Trí tuệ nhân tạo và Học máy hàng đầu thế giới

Không chỉ tiếp thu kiến thức trên giảng đường, sinh viên Trường Đại học Công nghệ – ĐHQGHN (VNU-UET) còn chủ động tham gia nghiên cứu và từng bước hội nhập với cộng đồng khoa học quốc tế. Mới đây, sinh viên Phạm Huy Châu Long – khóa K68, ngành Khoa học máy tính, Khoa Công nghệ thông tin đã có công trình nghiên cứu được công bố tại International Conference on Machine Learning (ICML) 2026 – một trong những hội nghị khoa học lớn và uy tín nhất thế giới chuyên về Trí tuệ nhân tạo (AI) và Học máy (Machine Learning), đánh dấu cột mốc đáng tự hào trên hành trình nghiên cứu khoa học.

International Conference on Machine Learning (ICML) là một trong những hội nghị quốc tế uy tín và có tầm ảnh hưởng hàng đầu trong lĩnh vực Machine Learning và AI. Hội nghị quy tụ các nhà khoa học, nhóm nghiên cứu và các doanh nghiệp công nghệ trên toàn thế giới để công bố những kết quả nghiên cứu mới nhất, đồng thời áp dụng quy trình phản biện quốc tế nghiêm ngặt đối với các công trình được lựa chọn.

Sinh viên Phạm Huy Châu Long đã ghi dấu ấn đặc biệt khi trở thành tác giả duy nhất của nghiên cứu “Decomposing Out-of-Distribution Error in Conditional Flow Matching via Wasserstein Geometry” được chấp nhận sau các vòng đánh giá nghiêm ngặt từ các chuyên gia và công bố tại Hội nghị ICML 2026 được tổ chức ở Hàn Quốc từ ngày 6/7 – 11/7/2026.

Phạm Huy Châu Long tại Hội nghị ICML 2026 tại Hàn Quốc

Trước đó, Châu Long cũng là đồng tác giả (Co-author) của bài báo “Boosting the Speed and Accuracy of Protein Quantification Algorithms in Mass Spectrometry-Based Proteomics”, được đăng trên tạp chí quốc tế Journal of Proteome Research (tạp chí Q1, thuộc danh mục SCIE) vào ngày 20/01/2026. Việc liên tiếp có các công bố quốc tế uy tín đã khẳng định năng lực nghiên cứu và khả năng hội nhập khoa học quốc tế nổi bật của sinh viên UET.

Nghiên cứu bắt đầu từ một câu hỏi “vì sao?”

Khác với suy nghĩ của nhiều người rằng nghiên cứu khoa học luôn bắt đầu từ những phòng thí nghiệm hiện đại hay các đề tài lớn, hành trình nghiên cứu của sinh viên UET lại xuất phát từ chính những giờ học trên giảng đường. “Trong quá trình học các môn nền tảng như xác suất thống kê, học máy, em nhận thấy mình bị cuốn hút bởi các mô hình sinh dữ liệu hiện đại, đặc biệt là phần lý thuyết phía sau cách chúng hoạt động.” – Châu Long chia sẻ.

Với Châu Long, điều hứng thú nhất không phải là mô hình tạo ra kết quả như thế nào, mà là vì sao chúng hoạt động được. Chính sự tò mò ấy đã thôi thúc Long chủ động tìm đọc thêm tài liệu, tự học và bắt đầu tìm hiểu sâu hơn về hướng nghiên cứu này ngoài chương trình đào tạo chính khóa, từng bước tiếp cận những vấn đề mang tính nền tảng của lĩnh vực AI.

Đi tìm lời giải cho một “khoảng trống” trong lý thuyết về AI

Trong những năm gần đây, các mô hình AI tạo sinh phát triển với tốc độ rất nhanh và được ứng dụng rộng rãi. Tuy nhiên, vẫn còn một câu hỏi lớn mà cộng đồng nghiên cứu quan tâm: Tại sao các mô hình AI thường thất bại khi gặp những tình huống hoàn toàn mới mà chúng chưa từng được học? Đó cũng chính là mối quan tâm của Châu Long, bạn cho biết: “Xuất phát từ một khoảng trống lý thuyết em được biết trong các mô hình tạo sinh, chúng đang được dùng rất rộng rãi để sinh dữ liệu, nhưng chưa có khung lý thuyết nào giải thích rõ vì sao mô hình lại thất bại khi gặp những điều chưa từng thấy. Ý nghĩa của nghiên cứu là xây dựng nền toán học trừu tượng thành công cụ phân tích thực tế, giúp người làm mô hình biết lỗi đến từ đâu để chọn đúng hướng can thiệp”.

Đây là hướng nghiên cứu có ý nghĩa quan trọng trong lĩnh vực Trí tuệ nhân tạo, bởi AI càng được ứng dụng rộng rãi ở đa lĩnh vực, càng đòi hỏi độ tin cậy cao. Và muốn AI an toàn và đáng tin cậy hơn, việc hiểu bản chất của những giới hạn trong mô hình là điều không thể thiếu.

Phạm Huy Châu Long và Poster bài báo tại Hội nghị ICML 2026

Điều khiến thành quả của nghiên cứu này trở nên đặc biệt không chỉ nằm ở nội dung, ý nghĩa của đề tài, hay nghiên cứu được trình bày ở hội nghị quốc tế hàng đầu, mà còn ở chính quá trình thực hiện. Là tác giả duy nhất của bài báo, Châu Long đã đảm nhiệm toàn bộ quá trình từ xây dựng ý tưởng, phát triển lý thuyết, thiết kế thí nghiệm, lập trình, phân tích kết quả cho đến hoàn thiện bản thảo khoa học.

Chia sẻ về khó khăn lớn nhất khi làm nghiên cứu, Long cho biết: “Thử thách lớn nhất là em phải tự mình vừa “phát hiện” ra một quy luật toán học để giải thích vì sao các mô hình AI lại hay “đoán sai” khi gặp những tình huống mới lạ, vừa phải tự kiểm tra xem quy luật đó có đúng trong thực tế không.”

Và để giải quyết bài toán này, nam sinh UET đã lựa chọn cách tiếp cận từ đơn giản đến phức tạp. “Đầu tiên em thử nghiệm trên một bài toán rất đơn giản (chỉ có 2 chiều, vẽ ra được, tính toán được chính xác) để chắc chắn quy luật của em là đúng. Sau khi đã chắc chắn ở bài toán đơn giản, em mới chuyển sang dữ liệu ảnh phức tạp hơn, và dùng các cách đo “gần đúng” hợp lý, rồi kiểm tra xem chúng có khớp với dự đoán từ lý thuyết không. Quá trình này đòi hỏi em phải đi lại nhiều lần giữa việc tính toán lý thuyết trên giấy và viết code chạy thử nghiệm, khá mất thời gian, nhưng đó cũng là phần em học được nhiều nhất.” – Châu Long chia sẻ về cách bản thân vượt qua thử thách “khó nhằn” trong quá trình làm nghiên cứu.

Với quyết tâm đi tìm lời giải đáp, Châu Long đã thành công với nghiên cứu của mình, đó cũng chính là tinh thần của nghiên cứu khoa học: Không có con đường tắt, chỉ có sự kiên trì, tư duy phản biện và khả năng kiểm chứng từng giả thuyết bằng bằng chứng.

“Đừng ngại thử sức với nghiên cứu khoa học, ngay cả khi… mình chưa xuất sắc”

Khi được hỏi muốn gửi điều gì tới các bạn học sinh và sinh viên yêu thích nghiên cứu khoa học, Châu Long nhắc đến một câu nói nổi tiếng mà bản thân tâm đắc: “The scientist is not a person who gives the right answers; he is one who asks the right questions.” (Nhà khoa học không phải là người đưa ra những câu trả lời đúng, mà là người đặt ra những câu hỏi đúng.)

Theo Long, nghiên cứu không bắt đầu từ việc biết sẵn lời giải, mà bắt đầu từ việc nhận ra những câu hỏi đáng để tìm hiểu. Khi đã có một câu hỏi đủ thú vị, kiến thức và kỹ năng để tìm lời giải sẽ được tích lũy dần trong quá trình làm việc. “Vì vậy, đừng ngại thử sức với nghiên cứu khoa học, ngay cả khi bạn cảm thấy mình chưa thật sự xuất sắc. Điều quan trọng là giữ được sự tò mò, tinh thần học hỏi và sự kiên trì trước những lần thử nghiệm chưa thành công.” – Châu Long bày tỏ.

UET – môi trường nuôi dưỡng những nhà nghiên cứu công nghệ tương lai

Thành công của sinh viên không chỉ phản ánh nỗ lực cá nhân mà còn cho thấy hiệu quả của môi trường đào tạo tại Trường Đại học Công nghệ – ĐHQGHN, nơi luôn khuyến khích tinh thần khám phá, tư duy phản biện và sự kiên trì theo đuổi tri thức, để từng bước đóng góp vào những vấn đề khoa học mà cộng đồng quốc tế đang quan tâm.

Đặc biệt, trong bối cảnh AI ngày càng trở thành công nghệ nền tảng của kỷ nguyên số, UET tập trung đào tạo các lĩnh vực mũi nhọn như Trí tuệ nhân tạo, Khoa học máy tính, Công nghệ thông tin, Khoa học dữ liệu, Kỹ thuật Robot… Các chương trình đào tạo được xây dựng theo định hướng tiếp cận chuẩn quốc tế, tham chiếu các tiêu chí kiểm định của ABET, đồng thời thực hiện đối sánh với các chương trình đào tạo của các trường Ivy League và các đại học nghiên cứu hàng đầu tại Hoa Kỳ về triết lý giáo dục, cấu trúc chương trình và chuẩn đầu ra.

Đối với những học sinh, sinh viên yêu thích công nghệ, đam mê khám phá và mong muốn theo đuổi con đường nghiên cứu khoa học, UET là môi trường tạo điều kiện để các em phát triển, chủ động tiếp cận những vấn đề mới và tự tin đưa những ý tưởng của mình đến các diễn đàn khoa học quốc tế.

(UET-News)