Trang chủ Các hoạt động Toán rời rạc và Khoa học máy tính đóng vai trò quan...

Toán rời rạc và Khoa học máy tính đóng vai trò quan trọng trong kỷ nguyên số

[VOV2] Hội nghị quốc tế về Toán-Tin và Ứng dụng được tổ chức tại Đà Lạt đã thu hút được 120 chuyên gia đến từ 22 trường đại học của Việt Nam và các tổ chức quốc tế.

Trong 2 ngày (1/12 và 2/12), tại Trường Đại học Đà Lạt, TP. Đà Lạt, tỉnh Lâm Đồng đã diễn ra Hội nghị quốc tế Toán rời rạc và Khoa học máy tính. Hội thảo do Trường Đại học Đà Lạt (DLU), Trung tâm nghiên cứu và đào tạo Toán học quốc tế dưới sự bảo trợ của UNESCO (ICRTM), Viện Toán học (IMH), Viện Hàn lâm khoa học và công nghệ Việt Nam (VAST), Mạng lưới Nghiên cứu quốc tế về Mô hình Toán học và Máy tính cho các Hệ thống phức tạp (UMMISCO), Viện Nghiên cứu vì sự phát triển (IRD), Cộng hoà Pháp, Trường Đại học Thuỷ lợi (TLU), Trường Đai học Bách Khoa Hà Nội (HUST), và Quỹ đổi mới sáng tạo VinGroup (VinIF) đồng tổ chức.

Các đại biểu tham dự hội nghị 

Toán rời rạc và Khoa học máy tính đóng vai trò quan trọng trong kỷ nguyên số. Hai lĩnh vực này là những công cụ quan trọng và thiết yếu trong hầu hết các ngành khoa học ứng dụng cũng như giải quyết rất nhiều vấn đề thực tế trong cuộc sống hàng ngày. Giải thưởng Abel năm 2021 được trao cho Avi Wigderson (nhà toán học và khoa học máy tính) và László Lovász (nhà toán học) vì những đóng góp của họ cho toán rời rạc và khoa học máy tính, cho thấy tầm quan trọng, sự gần gũi và giao thoa của các lĩnh vực trung tâm của toán học hiện đại cả về lý thuyết và các khía cạnh áp dụng.

Tinh thần của Hội nghị Quốc tế về Toán rời rạc và Khoa học Máy tính năm 2022 (ICDMCS 2022) là kết nối, củng cố và mở rộng mạng lưới các nhà nghiên cứu trong lĩnh vực toán rời rạc và khoa học máy tính tại Việt Nam. Đây là diễn đàn để các nhà khoa học, nghiên cứu sinh và học viên cao học, sinh viên trao đổi ý tưởng và phương pháp, giới thiệu và thảo luận về các kết quả, hướng nghiên cứu về tổ hợp, lý thuyết đồ thị, khoa học máy tính và các vấn đề liên quan cả ở khía cạnh lý thuyết và ứng dụng thực tiễn. Diễn đàn hướng tới sự hình thành của các nhóm nghiên cứu mới cũng như sự kết nối giữa các nhóm nghiên cứu về các chủ đề này tại Việt Nam.

Chủ tịch Hội đồng trường Đại học Đà Lạt tặng hoa Trưởng Ban tổ chức 

Chương trình hội thảo bao gồm 05 báo cáo toàn thể và 23 báo cáo được chia thành 07 phiên khoa học với các nội dung, chủ đề và các hướng nghiên cứu và ứng dụng đa dạng thuộc lĩnh vực Toán rời rạc và Khoa học máy tính như lý thuyết đồ thị và mạng, các thuật toán tìm kiếm cộng đồng và khai phá các hệ thống phức tạp, các vấn đề về mô hình hoá và mô phỏng, các ứng dụng đang dạng trong khai phá dữ liệu các hệ thống, y học, dịch tễ cũng trong các hệ sinh thái và sinh học,…

PGS.TS Nguyễn Tất Thắng – Phó Hiệu trưởng trường ĐH Đà Lạt phát biểu khai mạc Hội nghị 

Đặc biệt, Hội thảo dành 01 phiên khoa học về Mô hình hoá tương tác để những người tham gia Hội thảo có thể trực tiếp tham gia và tương tác với các mô hình. Mô hình nhằm mục đích nâng cao nhận thức của mọi người về vấn đề ô nhiễm chất thải sinh hoạt và tác động của nó đối với hệ thống thủy lợi. Mô hình cũng tạo không gian cho các ý tưởng sáng tạo để cải tiến và thúc đẩy đối thoại xã hội giữa các bên liên quan khác về vấn đề ô nhiễm.

PGS.TS Phan Thị Hà Dương phát biểu tại Hội nghị 

Đây là lần đầu tên một hội nghị quốc tế về Toán-Tin và Ứng dụng được tổ chức tại Đà Lạt và đã thu hút được nhiều chuyên gia đến từ 22 trường đại học của Việt Nam trong đó có 08 trường đại học phía Nam và 14 trường đại học phía Bắc, 1 Viện nghiên cứu, 1 đơn vị nghiên cứu quốc tế, và 3 doanh nghiệp. Sự quan tâm của các chuyên gia, các nhà khoa học  cho thấy tầm quan trọng của hai lĩnh vực này cả ở khía cạnh lý thuyết và ứng dụng.

GS Patrick Taillandier, Viện Nghiên cứu Quốc gia Pháp về Nông nghiệp Thực phẩm và môi trường , mạng lưới nghiên cứu Quốc tế UMMISCO chia sẻ về các phương pháp Toán học và Tin học cho các hệ thống phức tạp 

Bài viết trên Báo VOV2

BÀI MỚI NHẤT

Phát triển phương tiện tự hành dưới nước AUV phục vụ hỗ trợ các tác vụ ngầm và nghiên cứu khoa học biển

Tiềm năng kinh tế biển Việt Nam Việt Nam có hơn 3.260 km bờ biển với hơn 4.000 hòn đảo, bãi đá ngầm lớn nhỏ,...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 3): Phần cứng

Hệ thống phần cứng ở mức caoHệ thống phần cứng ở mức cao được chia thành các triển khai mạch tương tự, mạch số...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 2)

Một trong những câu hỏi quan trọng liên quan đến tính toán neuromorphic là sử dụng mô hình mạng nơ-ron nào? Mô hình mạng nơ-ron xác định những thành phần nào tạo nên mạng, cách các thành phần đó hoạt động và tương tác. Ví dụ, các thành phần phổ biến của mô hình mạng nơ-ron là các nơ-ron và khớp thần kinh (synapse), lấy cảm hứng từ các mạng nơ-ron sinh học. Khi xác định mô hình mạng nơ-ron, người ta cũng phải xác định các mô hình cho từng thành phần (ví dụ: mô hình nơ-ron và mô hình synapse); các mô hình thành phần chi phối cách thành phần đó hoạt động.

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 1)

Mạng nơ-ron tăng vọt (Spiking Neural Network – SNN) được giới thiệu bởi các nhà nghiên cứu tại Đại học Heidelberg và Đại học Bern. Mạng nơ-ron tăng vọt bắt chước gần giống mạng nơ-ron tự nhiên, có khả năng xử lý thông tin theo thời gian thực và tiết kiệm năng lượng. SNN sử dụng các xung điện (spikes) để truyền thông tin giữa các nơ-ron. Thay vì truyền tín hiệu liên tục như các mạng nơ-ron truyền thống, SNN truyền các xung điện rời rạc tại các thời điểm cụ thể khi điện thế màng của nơ-ron vượt qua một ngưỡng nhất định. SNN lấy một tập hợp các xung tăng vọt làm ngõ vào và tạo ra một tập hợp các xung tăng vọt làm ngõ ra (một loạt các xung tăng vọt thường được gọi là các chuỗi xung tăng vọt). Tế bào thần kinh kích hoạt khi điện thế màng chạm ngưỡng, gửi tín hiệu đến các tế bào thần kinh lân cận, làm tăng hoặc giảm điện thế của chúng để đáp lại tín hiệu. Các thành phần quan trọng của mạng SNN là mô hình nơ-ron thần kinh, khớp thần kinh (synapse), STDP (spike-timing-dependent plasticity), v.v.

BÀI ĐỌC NHIỀU

Khái quát về mô hình dữ liệu quan hệ

Phần lớn hệ thống cơ sở dữ liệu hiện nay đều được xây dựng bằng mô hình dữ liệu quan hệ. Vậy mô hình...

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản...

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Khái quát về Data Pipeline

Dữ liệu là chìa khóa trong việc khám phá tri thức sâu rộng, nâng cao hiệu quả quy trình và thúc đẩy đưa ra...