Nhật Bản rót 32 tỷ yen cho ARiSE, đưa AI vào toàn bộ chu trình nghiên cứu khoa học

31 dự án được chọn nhằm đổi mới cách tiến hành khoa học

Sáng kiến ARiSE mới của Nhật Bản sẽ dành 32 tỷ yen cho nghiên cứu khoa học ứng dụng trí tuệ nhân tạo để hình thành giả thuyết, lập kế hoạch và tiến hành thí nghiệm, phân tích kết quả, đồng thời quyết định hướng nghiên cứu tiếp theo. Cơ quan Khoa học và Công nghệ Nhật Bản (JST) đã chọn 31 dự án trong số 203 hồ sơ, với kinh phí bao phủ khoảng hai năm rưỡi, từ tháng 10/2026 đến tháng 3/2029.

Thông báo lựa chọn ngày 29/9 của JST xác nhận 12 dự án được chọn vào hạng mục Mục tiêu chiến lược và 19 dự án vào hạng mục Quốc tế và Liên ngành. Tổng cộng 82 cố vấn đã tham gia đánh giá hồ sơ và phỏng vấn. Nghiên cứu dự kiến bắt đầu sau khi hoàn tất hợp đồng và các công tác chuẩn bị khác, chứ không tự động khởi động vào ngày công bố.

ARiSE là viết tắt của AI to Redesign Scientific Exploration (AI tái thiết kế khám phá khoa học). Tham vọng của chương trình vượt xa việc dùng AI xử lý một tập dữ liệu hay tóm tắt các bài báo khoa học. Chương trình hướng đến kết nối suy luận số với thí nghiệm thực tế, tạo thành chu trình lặp trong đó kết quả thí nghiệm giúp AI xây dựng giả thuyết và thiết kế tốt hơn.

Tỷ lệ được chọn chung vào khoảng 15,3%, tính từ 31 đề xuất thành công trên tổng số 203 hồ sơ. Hạng mục Mục tiêu chiến lược nhận 12 trong số 70 đề xuất, tương đương khoảng 17,1%, trong khi hạng mục Quốc tế và Liên ngành nhận 19 trong số 133, tương đương khoảng 14,3%. Các con số cho thấy mức độ cạnh tranh để tham gia, nhưng không cho biết thứ hạng của từng dự án hay cách phân bổ kinh phí cuối cùng.

Giám đốc chương trình là Takafumi Aoki, phó chủ tịch điều hành Đại học Tohoku. Sadao Kurohashi, giám đốc Viện Tin học Quốc gia (NII), phụ trách hạng mục Mục tiêu chiến lược. Shunichi Ueda, phó giám đốc Trung tâm Dự án Trí tuệ Tiên tiến thuộc RIKEN, phụ trách hạng mục Quốc tế và Liên ngành.

Định hình chiến lược quốc gia

ARiSE tiếp nối chiến lược thúc đẩy AI cho khoa học của Bộ Giáo dục, Văn hóa, Thể thao, Khoa học và Công nghệ, được thông qua ngày 31/3/2026. JST mô tả đây là chương trình trọng điểm nhằm tập trung đầu tư vào những lĩnh vực có thế mạnh khoa học của Nhật Bản để tạo ra kết quả cạnh tranh quốc tế, đồng thời hỗ trợ hợp tác với các nhà nghiên cứu hàng đầu ở nước ngoài.

Cục Xúc tiến Nghiên cứu của bộ đã đăng trang chính sách cơ bản của ARiSE ngày 16/4/2026. Trang này dẫn đến một tài liệu chính sách dung lượng 262 KB, nhưng không đăng nội dung chi tiết của tài liệu.

Quá trình từ xây dựng chính sách đến lựa chọn dự án diễn ra tương đối nhanh:

• Ngày 31/3/2026: Bộ thông qua chính sách chiến lược cơ bản nhằm thúc đẩy AI cho khoa học.
• Ngày 16/4/2026: Cục Xúc tiến Nghiên cứu đăng trang chính sách cơ bản của ARiSE.
• Từ ngày 12/5 đến 30/6/2026: JST nhận đề xuất nghiên cứu.
• Ngày 29/9/2026: JST công bố 31 dự án được chọn.
• Ngày 2/10/2026: Đại học Tohoku công bố ba dự án thành công.
• Ngày 13/10/2026: JST tổ chức buổi thông tin, giải thích bối cảnh và kế hoạch triển khai sáng kiến.
• Tháng 3/2029: Dự kiến kết thúc giai đoạn tài trợ nghiên cứu hiện tại.

Chủ tịch JST Kazuhito Hashimoto cho rằng Nhật Bản không thể chỉ dựa vào quy mô đầu tư để bắt kịp Mỹ và Trung Quốc. Thay vào đó, nước này cần tập trung vào những lĩnh vực đã tích lũy được dữ liệu khoa học quý giá, kiến thức chuyên môn, năng lực thí nghiệm và chuyên môn về robot.

Ông cũng quan ngại về sự phụ thuộc. Nếu các nhà nghiên cứu Nhật Bản chỉ sử dụng AI phát triển ở nước ngoài, công nghệ nền tảng và tài nguyên điện toán có thể vẫn nằm dưới sự kiểm soát của các quốc gia khác. Vì vậy, ARiSE kết hợp phát triển mô hình trong nước với hợp tác quốc tế, thay vì xem đây là hai lựa chọn đối lập.

Hai hạng mục tài trợ với vai trò khác nhau

Hạng mục Mục tiêu chiến lược hỗ trợ các nhóm lớn hơn trong khoa học vật liệu, khoa học sự sống và các cơ sở, thiết bị nghiên cứu quy mô lớn. Trong 12 dự án được chọn có sáu dự án về vật liệu, bốn dự án về khoa học sự sống và hai dự án liên quan đến cơ sở hoặc thiết bị quy mô lớn.

Các dự án vật liệu được chia thành ba mục tiêu. Mỗi Mục tiêu 1-1 và 1-2 có một dự án được chọn, với mức trần tài trợ ước tính khoảng 3 tỷ yen mỗi dự án. Mục tiêu 1-3 có bốn dự án, với mức trần khoảng 1 tỷ yen mỗi dự án. Các dự án khoa học sự sống và cơ sở quy mô lớn có mức trần ước tính khoảng 2 tỷ yen mỗi dự án. Đây là giới hạn tài trợ, không phải khoản cấp đã được xác nhận cho từng nhóm.

Hạng mục Quốc tế và Liên ngành mở cho mọi lĩnh vực khoa học. Hạng mục này hỗ trợ nghiên cứu đưa lý thuyết, quy luật và kiến thức cấu trúc khoa học vào AI, với mức tài trợ thông thường là 200 triệu yen mỗi dự án. Khi cần thiết để đạt mục tiêu, hồ sơ có thể đề nghị tối đa 650 triệu yen.

Mỗi hồ sơ phải có một nhà nghiên cứu AI và một nhà nghiên cứu thuộc ngành khoa học liên quan cùng giữ vai trò trưởng nhóm. Các nhóm cũng phải lập kế hoạch nhu cầu điện toán ngay từ đầu, thúc đẩy hợp tác quốc tế, xây dựng quy định chia sẻ và bảo vệ dữ liệu, đồng thời xử lý các yêu cầu về an ninh nghiên cứu. Những yêu cầu này đưa chuyên môn khoa học và kế hoạch hạ tầng thành một phần của thiết kế nghiên cứu, thay vì bổ sung sau khi đã chọn mô hình AI.

Dữ liệu vật liệu trở thành nền tảng nghiên cứu dùng chung

Một dự án vật liệu trọng điểm hướng đến kết nối dữ liệu vật liệu tích lũy của Nhật Bản với các mô hình ngôn ngữ lớn trong nước và AI chuyên dụng. Dữ liệu và nguồn lực nghiên cứu được phát triển xung quanh Viện Khoa học Vật liệu Quốc gia (NIMS) dự kiến sẽ góp phần xây dựng nền tảng AI vật liệu cấp quốc gia.

Nền tảng đề xuất gồm nhiều lớp kết nối: dữ liệu và công cụ phân tích được chuẩn bị để sử dụng với AI, các mô hình nền tảng cho vật liệu, tác nhân AI hỗ trợ khám phá và thiết kế, cùng thiết bị thí nghiệm tiên tiến. Mô hình nền tảng là mô hình được huấn luyện rộng, có thể làm điểm khởi đầu cho nhiều nhiệm vụ nghiên cứu. Tác nhân AI có thể sử dụng công cụ và phối hợp các bước để đạt mục tiêu xác định.

Chu trình nghiên cứu dự kiến bắt đầu khi AI đề xuất một vật liệu hoặc điều kiện thí nghiệm. Thiết bị kết nối sau đó tiến hành thí nghiệm, rồi kết quả được đưa trở lại để phục vụ thiết kế tiếp theo. Mục tiêu là giúp cộng đồng rộng lớn các nhà nghiên cứu vật liệu tiếp cận năng lực này, thay vì chỉ dành cho một số nhóm có chuyên môn AI sâu rộng.

Ba dự án được chọn của Đại học Tohoku cho thấy nỗ lực quốc gia này gắn với các chương trình nghiên cứu cụ thể như thế nào. Giáo sư Yu Kumagai đứng đầu nền tảng phát triển vật liệu khối cứng bằng AI, cùng các giáo sư Goro Miyamoto và Motoki Shiga giữ vai trò trưởng nhóm nghiên cứu phối hợp.

Dự án thứ hai của Tohoku tập trung vào việc tự động tạo ra vật liệu từ tính và tìm hiểu cơ chế của chúng thông qua hợp tác giữa con người với AI. Dự án do Giáo sư Takafumi Hirohata dẫn dắt, với Yuma Iwasaki của NIMS và Giáo sư Kanta Ono của Đại học Osaka là các trưởng nhóm phối hợp.

Dự án thứ ba của Tohoku, thuộc hạng mục Quốc tế và Liên ngành, là Tsunami World Model (Mô hình Thế giới Sóng thần). Giáo sư Shunichi Koshimura dẫn dắt dự án cùng Giáo sư Kentaro Inui và Yuichiro Usuda thuộc Viện Nghiên cứu Quốc gia về Khoa học Trái đất và Khả năng chống chịu thảm họa. Việc dự án được chọn cho thấy ARiSE không chỉ giới hạn ở vật liệu phòng thí nghiệm và sinh học, dù thông báo của trường không nêu chi tiết năng lực dự kiến của mô hình.

Mô hình hệ gene học từ các thí nghiệm thất bại

Chương trình khoa học sự sống có một mô hình ngôn ngữ hệ gene với khoảng bốn tỷ tham số, dự kiến bao quát thực vật, động vật, con người và vi sinh vật. Khác với mô hình ngôn ngữ thông thường được huấn luyện bằng từ ngữ, mô hình ngôn ngữ hệ gene học các quy luật trong chuỗi DNA để hỗ trợ nghiên cứu chức năng sinh học và thiết kế hệ gene.

Tham số là các giá trị số mà mô hình điều chỉnh trong quá trình huấn luyện. Mô hình dự kiến sẽ phát triển dựa trên một mô hình hiện có với khoảng bảy tỷ tham số. Những con số này mô tả quy mô mô hình, chứ không chứng minh mô hình mới sẽ vượt trội hơn mô hình trước. Giá trị khoa học dự kiến của mô hình phụ thuộc vào dữ liệu sinh học, thí nghiệm và quy trình học được xây dựng xung quanh nó.

Dự án áp dụng chu trình Thiết kế, Tạo dựng, Kiểm nghiệm, Học hỏi. Các nhà nghiên cứu thiết kế một chuỗi hoặc giả thuyết, tạo ra và kiểm nghiệm bằng thực nghiệm, rồi đưa kết quả trở lại mô hình. Kết quả thành công, thí nghiệm thất bại và nguồn tài nguyên di truyền đều dự kiến đóng góp vào quá trình học tiếp theo. Việc đưa cả thất bại vào rất quan trọng, bởi một thí nghiệm không thành công có thể giúp xác định thiết kế hoặc điều kiện nào không hiệu quả.

Mô hình dự kiến trở thành tài nguyên dùng chung cho các nhà nghiên cứu khoa học sự sống, với việc ứng dụng thực tế được thúc đẩy thông qua liên minh Bio-AGILE. An toàn sinh học và độ an toàn của mô hình được nêu rõ là một phần công việc. Một công cụ có thể hỗ trợ thiết kế sinh học cần có biện pháp bảo vệ song song với việc nâng cao năng lực dự đoán.

Từ thiết bị tự động đến cơ sở tự vận hành

Dự án phát triển cơ sở nghiên cứu không người vận hành quy tụ Viện Khoa học Tokyo, RIKEN và Epistora. Theo thông báo dự án của Epistora, Giáo sư Genki Kanda thuộc Viện Khoa học Tokyo đứng đầu nghiên cứu. Các trưởng nhóm phối hợp là Koichi Takahashi, giám đốc dự án trong chương trình phát triển mô hình nền tảng khoa học của RIKEN, và Yosuke Ozawa, giám đốc điều hành Epistora.

Dự án thuộc Mục tiêu chiến lược 3, bao gồm tối ưu hóa vận hành, tự động hóa, vận hành tự chủ và cải thiện việc lập kế hoạch thí nghiệm, phân tích dữ liệu tại các cơ sở nghiên cứu quy mô lớn. Dự án sẽ phát triển và trình diễn các tác nhân AI cùng mô hình nền tảng kết nối kế hoạch nghiên cứu, thiết bị thí nghiệm và dữ liệu thu được.

Khác biệt giữa một thiết bị tự động và một cơ sở tự vận hành thể hiện ở những công việc thực tế. Robot có thể thực hiện một thí nghiệm, nhưng con người vẫn có thể phải chuẩn bị thiết bị, di chuyển mẫu, bổ sung vật tư, lên lịch sử dụng thiết bị và xử lý gián đoạn. ARiSE hướng đến giải quyết cả những công việc xung quanh này, chứ không chỉ riêng thí nghiệm.

Cơ sở đề xuất gồm ba thành phần kết nối với nhau. Hệ thống thông tin sẽ xử lý mục tiêu nghiên cứu, giả thuyết, kế hoạch thí nghiệm, phân tích và quyết định về các thí nghiệm tiếp theo. Hệ thống vận hành sẽ phân bổ thiết bị, thời gian và vật liệu. Hệ thống vật lý sẽ tự động hóa việc vận chuyển, bổ sung vật tư và khôi phục hoạt động.

Con người sẽ giám sát quy trình thay vì quản lý từng bước riêng lẻ. Cơ sở này dự kiến hỗ trợ nghiên cứu liên tục về ung thư, miễn dịch, vaccine, lão hóa và y học tái tạo. Epistora cho biết công ty có khoảng một thập kỷ nghiên cứu về AI và robot, trong đó có công trình tối ưu hóa điều kiện chuyển đổi tế bào gốc đa năng cảm ứng thành tế bào biểu mô sắc tố võng mạc. Đây là những tế bào hỗ trợ võng mạc.

Kurohashi cho biết kỳ vọng về các cơ sở như vậy đã dịch chuyển từ khoảng năm 2050 lên năm 2040, rồi đến khoảng năm 2030 khi AI và robot tiến bộ. Đây là một ước tính đang thay đổi, không phải cam kết rằng cơ sở tự chủ hoàn toàn sẽ đi vào hoạt động trước khi giai đoạn tài trợ ARiSE kết thúc vào tháng 3/2029.

Đưa lý thuyết khoa học vào AI

Hạng mục Quốc tế và Liên ngành tiếp cận theo hướng khác để nâng cao năng lực AI khoa học. Cách tiếp cận của Ueda đưa lý thuyết khoa học vào cấu trúc, biểu diễn và nguyên tắc học của mô hình, thay vì chỉ dùng lý thuyết làm quy tắc giới hạn một mô hình vốn được xây dựng theo cách thông thường.

Kiến thức liên quan bao gồm tính đối xứng, tính bất biến, quan hệ nhân quả, điều kiện biên và quy luật tỷ lệ. Nói một cách dễ hiểu, những khái niệm này mô tả các mối quan hệ cần được duy trì khi một hệ thống thay đổi, cách nguyên nhân liên hệ với kết quả, và các điều kiện áp dụng của mô hình khoa học. Đưa kiến thức như vậy vào AI được kỳ vọng sẽ cải thiện năng lực suy luận khi dữ liệu khan hiếm hoặc điều kiện khác với những gì mô hình gặp trong quá trình huấn luyện.

Một dự án được chọn kết hợp vật lý toán học với AI để tạo giả thuyết khoa học và kiểm tra tính hợp lệ bằng lý thuyết toán học, vật lý. Mục tiêu là thu hẹp khoảng cách giữa việc đưa ra một nhận định có vẻ hợp lý và xác định nhận định đó có chính xác hay không. Tự động kiểm chứng là mục tiêu nghiên cứu, chứ chưa phải năng lực đã được chương trình chứng minh.

Một dự án khác tập trung vào khung kim loại-hữu cơ (MOF), loại vật liệu xốp được nghiên cứu cho các ứng dụng như hấp phụ và tách khí. Tính chất của chúng có thể thay đổi theo điều kiện tổng hợp và thí nghiệm. Dự án kết hợp các cách biểu diễn khoa học có thể thay đổi, suy luận phản thực và phản hồi từ nhà nghiên cứu để tìm hiểu việc thay đổi một điều kiện có thể làm kết quả biến đổi ra sao.

Suy luận phản thực đặt câu hỏi điều gì sẽ xảy ra trong một điều kiện khác, thay vì chỉ xác định các quy luật trong những quan sát hiện có. Các nhà nghiên cứu sẽ đánh giá giả thuyết và lập luận, sau đó đưa nhận xét trở lại AI. Vì vậy, dự án này vẫn duy trì sự tham gia trực tiếp của con người, ngay cả khi dự án cơ sở không người vận hành hướng đến mức tự chủ vận hành cao hơn nhiều.

Nghiên cứu ung thư vượt ra ngoài nhận diện quy luật

Một dự án ung thư riêng biệt sẽ kết hợp cấu trúc mô, hình dạng tế bào, biểu hiện gene và tương tác giữa tế bào ung thư, tế bào miễn dịch cùng các tế bào khác xung quanh. Mục tiêu là xây dựng các mô hình có thể suy luận về cơ chế bệnh, chứ không chỉ nhận diện những đặc điểm liên quan đến ung thư.

Công trình kết nối hai cấp độ quan sát. Từ cấu trúc của mô, mô hình sẽ suy ra cách các tế bào riêng lẻ hoạt động. Dựa trên những hoạt động đó, mô hình sẽ dự đoán tình trạng mô thay đổi ra sao. Khảo sát cả không gian và thời gian có thể giúp các nhà nghiên cứu tìm hiểu cách ung thư phát triển trong môi trường sinh học xung quanh.

Các ứng dụng dự kiến bao gồm khám phá cơ chế bệnh, dự đoán tiên lượng và tìm hiểu phương pháp điều trị. Đây là những kết quả nghiên cứu dự kiến. Việc được chọn vào ARiSE không chứng minh hiệu quả lâm sàng, cũng không có nghĩa là công cụ chẩn đoán hay điều trị đã sẵn sàng cho bệnh nhân.

Khả năng tiếp cận và chia sẻ năng lực điện toán sẽ định hình quá trình triển khai

ARiSE yêu cầu các nhóm lập kế hoạch điện toán ngay từ giai đoạn đề xuất, bởi việc huấn luyện và vận hành mô hình có thể tiêu tốn phần đáng kể kinh phí nghiên cứu. JST dự kiến kết hợp nguồn lực tại các trường đại học, viện nghiên cứu công lập, doanh nghiệp và RIKEN, đồng thời cho phép sử dụng dịch vụ điện toán thương mại ở nước ngoài khi phù hợp.

Các nguồn tin không thống nhất về tên siêu máy tính AI của RIKEN đang được cân nhắc: một nguồn gọi là RIKEN, còn tường thuật về buổi thông tin tháng 10 gọi là 理究. Điểm chung là dự định sử dụng năng lực điện toán trong nước cùng các nguồn lực khác. Chưa có thông tin về việc phân bổ cuối cùng năng lực điện toán cho từng dự án.

Chương trình cũng hướng đến phổ biến rộng rãi các mô hình, tác nhân, công cụ và phương pháp đánh giá hữu ích vượt ra ngoài các nhóm được chọn. JST dự kiến kết nối với mạng học thuật SINET và hạ tầng dữ liệu nghiên cứu NII RDC của NII. Các kết nối này nhằm giúp nhà nghiên cứu trên khắp Nhật Bản tiếp cận kết quả, đồng thời hỗ trợ trao đổi giữa các dự án vật liệu, khoa học sự sống và cơ sở nghiên cứu.

Chia sẻ không có nghĩa là công bố mọi thứ. Dữ liệu hoặc kết quả cần được bảo vệ vì lý do cạnh tranh hay an ninh có thể được giữ bí mật. Các yêu cầu về an ninh nghiên cứu được áp dụng từ khi dự án được chọn, trong khi dự án hệ gene còn có trách nhiệm cụ thể về an toàn sinh học và độ an toàn của mô hình.

Các cán bộ phụ trách chương trình dự kiến sẽ rà soát tiến độ và hỗ trợ điều chỉnh, bao gồm mở rộng nhiệm vụ nghiên cứu, bổ sung đối tác quốc tế và tổ chức sự kiện chung. Tính linh hoạt này nhằm ứng phó với nguy cơ một kế hoạch cố định từ năm 2026 có thể trở nên lỗi thời vào năm 2029. Thông tin hiện có chưa xác định ngày bắt đầu hợp đồng của từng dự án, số tiền tài trợ cuối cùng, phân bổ năng lực điện toán hay lịch trình chi tiết công bố mô hình cho công chúng.

Thước đo then chốt là liệu các dự án có thể kết nối tài sản khoa học của Nhật Bản với những hệ thống AI hoạt động hiệu quả, thí nghiệm có thể tái lập và nguồn lực thực sự hữu ích cho các nhà nghiên cứu khác hay không. ARiSE vạch ra định hướng đó, nhưng những khám phá, năng lực tự chủ và nền tảng dùng chung mà chương trình kỳ vọng vẫn cần được phát triển và chứng minh.

Điểm chính

• ARiSE có ngân sách 32 tỷ yen cho giai đoạn dự kiến từ tháng 10/2026 đến tháng 3/2029.
• JST chọn 31 dự án trong số 203 hồ sơ, tỷ lệ được chọn khoảng 15,3%.
• Hạng mục Mục tiêu chiến lược có 12 dự án; hạng mục Quốc tế và Liên ngành có 19 dự án.
• Các nỗ lực lớn gồm nền tảng AI vật liệu, mô hình hệ gene có khoảng bốn tỷ tham số và cơ sở nghiên cứu không người vận hành.
• Nghiên cứu được chọn còn bao gồm vật lý toán học, MOF, cơ chế ung thư và Mô hình Thế giới Sóng thần.
• Điện toán trong nước và hạ tầng nghiên cứu dùng chung là những ưu tiên, đồng thời cho phép sử dụng nguồn lực ở nước ngoài khi phù hợp.
• Ngày bắt đầu của từng dự án phụ thuộc vào hợp đồng và công tác chuẩn bị; cơ sở tự chủ và các ứng dụng khoa học vẫn là mục tiêu phát triển.