Google Gemini chinh phục bài toán “dây vũ trụ”: lời giải thanh lịch nhất khiến giới vật lý chấn động

Nhóm Google Research đã sử dụng Gemini Deep Think kết hợp với khung tìm kiếm dạng cây (Tree Search) để độc lập giải một bài toán tích phân chưa có lời giải trong lĩnh vực vật lý lý thuyết – lời giải giải tích chính xác của phổ công suất bức xạ hấp dẫn từ dây vũ trụ.

AI đã khám phá 600 hướng giải khác nhau, tìm ra 6 phương pháp, trong đó có một phương pháp được đánh giá là thanh lịch nhất, khiến ngay cả các nhà vật lý con người cũng phải thán phục.

Thật đáng kinh ngạc – kỷ nguyên “nhà khoa học AI” có lẽ đang thực sự bắt đầu.

Google đã công bố một bài báo mới vào ngày 6/3, gây chấn động cộng đồng khoa học. Gemini Deep Think kết hợp với thuật toán tìm kiếm cây đã độc lập giải một bài toán mở trong vật lý lý thuyết.

Đây là một vấn đề mà một nhóm nghiên cứu hàng đầu của con người cũng thừa nhận “không biết nên bắt đầu từ đâu”, nhưng hệ thống AI này đã trực tiếp tìm ra lời giải.
Nghiên cứu khoa học này mang tính đột phá rất lớn. Nói đơn giản, AI đã giải được một bài toán toán học/vật lý phức tạp mà trước đây các nhà vật lý chưa thể giải được.

Trước đó không lâu, thông tin Claude hỗ trợ Donald Knuth giải một giả thuyết trong lý thuyết đồ thị đã gây bão trên mạng.

Nếu sự kiện Claude giải giả thuyết đồ thị trong bài báo của Knuth là bước tiến của AI trong toán học rời rạc, thì bài báo của Google lại đại diện cho sự tiến công toàn diện của AI vào toán học liên tục và vật lý lý thuyết.

Một bên là toán tổ hợp, một bên là vật lý toán học. Hai sự kiện gần như xảy ra cùng lúc, tạo thành sự kiện “AI nhà khoa học” mang tính biểu tượng của tháng 3 năm 2026.

AI đang nở rộ trong những lĩnh vực trí tuệ cốt lõi nhất của nhân loại.

Dây vũ trụ vấn đề khiến mọi nhà khoa học say mê​

Dây vũ trụ (Cosmic Strings) là một cấu trúc khuyết tật topo một chiều giả thuyết trong vũ trụ học, hình thành trong các quá trình chuyển pha của vũ trụ sơ khai.

Khi các cấu trúc này dao động, chúng sẽ phát ra sóng hấp dẫn.

Trong những năm gần đây, mạng lưới đo thời gian pulsar (Pulsar Timing Arrays – PTA) lần đầu tiên phát hiện tín hiệu nền sóng hấp dẫn có thể liên quan đến dây vũ trụ. Điều này khiến cộng đồng vật lý lý thuyết đặc biệt quan tâm đến nghiên cứu dây vũ trụ.

Để dự đoán tín hiệu sóng hấp dẫn do dây vũ trụ phát ra, các nhà vật lý cần tính chính xác phổ công suất bức xạ hấp dẫn.

Cụ thể, có một tích phân cốt lõi I(N, α) – mô tả cường độ bức xạ của hài bậc N từ một vòng dây vũ trụ.
Tích phân này nhìn có vẻ đơn giản, nhưng:

• miền tích phân nằm trên mặt cầu
• hàm tích phân có điểm kỳ dị tại biên (e₁,₂ = ±1)

Điều này khiến các phương pháp tích phân số tiêu chuẩn trở nên không ổn định.

Nếu dùng khai triển đa thức Legendre cổ điển thì hàm trọng số lại không khớp – dẫn đến tính toán bùng nổ sai số.

Trong quá khứ, các nghiên cứu chỉ có thể đưa ra:

• nghiệm tiệm cận khi N rất lớn
• hoặc kết quả từng phần khi N là số lẻ

Một lời giải giải tích chính xác và thống nhất đã là bài toán chưa có lời giải suốt nhiều năm.

Cho đến khi Gemini Deep Think xuất hiện.

Bài nghiên cứu đã giải quyết vấn đề gì?​

Nói ngắn gọn:
AI đã tính được công thức toán học chính xác cho sóng hấp dẫn phát ra từ “dây vũ trụ”.

Để tính công suất của sóng hấp dẫn này, các nhà vật lý phải giải một tích phân toán học cực kỳ phức tạp.

Trong tích phân đó tồn tại các điểm kỳ dị (Singularities) – tương tự như phép chia cho 0 trong toán học, khiến phép tính dễ bị “sập”.

Vì vậy các phương pháp tính số truyền thống thường thất bại.

Trong nhiều năm qua:

• các nhà vật lý con người
• thậm chí cả các hệ thống AI trước đây

đã thử giải bài toán, nhưng chỉ tìm được nghiệm từng phần hoặc nghiệm gần đúng, chưa có công thức giải tích chính xác và thống nhất.

Bài toán làm khó các nhà khoa học đã được Gemini chinh phục​

Giống như việc Claude giải bài toán của Knuth bằng 31 bước nghiên cứu, cách Gemini giải bài toán này giống như một nhóm nghiên cứu khoa học thực thụ.

Nhóm Google không để AI làm việc một mình. Họ xây dựng một hệ thống thần kinh – ký hiệu (neuro-symbolic system) gồm:

• Gemini Deep Think
• Tree Search (tìm kiếm cây)
• Phản hồi số tự động

Ba thành phần phối hợp chặt chẽ.

Bộ Não Gemini Deep Think​

Gemini chịu trách nhiệm:

• tạo giả thuyết toán học
• thực hiện suy luận ký hiệu
• đánh giá con đường nào “có vẻ thanh lịch và khả thi”

Nó không chỉ thử nghiệm brute-force, mà còn dự đoán trước các vấn đề hội tụ của chuỗi vô hạn.

Tree Search – khám phá hệ thống​

Tree Search chịu trách nhiệm khám phá toàn bộ không gian lời giải.

Mỗi nút trong cây đại diện cho:

• một biểu thức toán học trung gian
• được viết bằng LaTeX
• kèm theo mã Python tự động sinh ra để kiểm chứng số.

Chiến lược tìm kiếm sử dụng PUCT – cùng nguyên lý với AlphaGo:
Cân bằng giữa:

• khai thác hướng tốt hiện có
• khám phá hướng mới

Phản hồi số tự động – kiểm soát chất lượng​

Sau mỗi bước suy luận, hệ thống sẽ:

• dùng tính toán số độ chính xác cao
• kiểm tra kết quả ký hiệu.

Nếu không khớp, con đường đó bị loại bỏ ngay.

Trong toàn bộ quá trình:

AI đã khám phá khoảng 600 hướng giải.

Trong đó hơn 80% bị loại vì:

• lỗi đại số
• phân kỳ số
• sai số triệt tiêu thảm họa
• biến đổi cơ sở không ổn định

Chỉ một số ít con đường vượt qua các vòng sàng lọc và trở thành lời giải cuối cùng. Đây không phải tìm kiếm brute force, mà là nghiên cứu toán học do AI dẫn dắt.

AI tìm ra 6 lời giải​

Sau quá trình khám phá, Gemini tìm ra 6 phương pháp, chia thành 3 nhóm.

Nhóm 1: Khai triển đơn thức​

Ba phương pháp đầu:

1. Generating Function
2. Gaussian Integral Lifting
3. Hybrid Coordinate Transformation

Các phương pháp này đúng về mặt toán học, nhưng khi N lớn sẽ gây mất ổn định số.

Nhóm 2: Phương pháp phổ​

Hai phương pháp tiếp theo:

1. Spectral Galerkin Matrix Method
2. Spectral Volterra Recurrence Method

Ưu điểm:

• ổn định số
• độ phức tạp O(N)
• nhanh hơn phương pháp đơn thức một bậc độ lớn.

Nhóm 3: Lời giải giải tích hoàn chỉnh​

Phương pháp thứ sáu: Gegenbauer Method

Đây là phương pháp thanh lịch nhất.
AI nhận ra rằng đa thức Gegenbauer có hàm trọng số (1 − t²), trùng khớp hoàn hảo với cấu trúc kỳ dị trong tích phân.

Điều này khiến các điểm kỳ dị tự động bị triệt tiêu.
Từ đó AI suy ra công thức giải tích chính xác, cuối cùng biểu diễn bằng hàm tích phân cosin Cin(z).

Đây là biểu thức giải tích đóng, không cần xấp xỉ số.

Hợp tác người – máy​

Google cũng nhấn mạnh rằng đây không phải phát hiện hoàn toàn độc lập của AI.

Ban đầu:AI tìm ra 6 phương pháp.

Sau đó:một nhà nghiên cứu con người đưa kết quả vào phiên bản Gemini mạnh hơn, yêu cầu:

• kiểm chứng
• đơn giản hóa.

Trong quá trình đó, AI phát hiện một lỗi trong phương pháp 5 và chứng minh phương pháp 5 và 6 tương đương.

Nhờ vậy biểu thức vô hạn được rút gọn thành dạng hữu hạn chính xác.
Đây là một mô hình hợp tác khoa học mới giữa con người và AI.

AI đang gõ cửa lý thuyết vật lý​

Trong nhiều thập kỷ, các nhà khoa học tin rằng: suy luận toán học và phát hiện lý thuyết là lĩnh vực khó nhất đối với AI.

Nhưng nghiên cứu này cho thấy:

“Trực giác toán học” có thể xuất hiện từ:

• không gian tìm kiếm đủ lớn
• tiêu chí đánh giá đủ tốt
• khả năng suy luận đủ mạnh

Khi ba yếu tố này kết hợp, chúng có thể tạo ra thứ trông giống như trực giác khoa học.
Hôm nay là phổ sóng hấp dẫn của dây vũ trụ.

Ngày mai có thể là:

• phương trình trong lý thuyết dây
• tích phân cốt lõi của hấp dẫn lượng tử

Một mô hình nghiên cứu mới đang hình thành: con người đặt câu hỏi → AI khám phá cấu trúc → con người diễn giải ý nghĩa.

Có lẽ, đây mới chỉ là sự khởi đầu.


Tài liệu tham khảo