Lý do nhà khoa học tài năng từ bỏ sự nghiệp đầy hứa hẹn tại Mỹ để về nước
TRUNG QUỐC - Một tài năng đầy triển vọng về trí tuệ nhân tạo đã rời bỏ vị trí trợ lý giáo sư theo hướng biên chế tại bang New York (Mỹ) để về nước tìm kiếm cơ hội nghiên cứu mới và tận dụng môi trường thuận lợi tại Đại học Nam Kinh.
Một chuyên gia trong lĩnh vực nghiên cứu khoa học ứng dụng trí tuệ nhân tạo (AI) vốn nhiều năm nghiên cứu và làm việc tại Mỹ, vừa trở về Trung Quốc để theo đuổi những cơ hội mới nổi lên từ sự phát triển nhanh chóng về AI tại Trung Quốc, đặc biệt trong lĩnh vực nghiên cứu dược phẩm, theo SCMP.
Phó Thiên Phàm, cựu trợ lý giáo sư theo hướng biên chế tại Viện Bách khoa Rensselaer ở Troy, New York (Mỹ), vừa gia nhập Trường Khoa học Máy tính tại Đại học Nam Kinh hồi tháng 12/2024.
Phó Thiên Phàm, một chuyên gia trong lĩnh vực nghiên cứu khoa học ứng dụng AI, sẽ theo đuổi công việc tìm kiếm thuốc mới và phát triển vật liệu tại Đại học Nam Kinh sau thời gian làm việc và học tập ở Mỹ. Ảnh: SCMP
Theo hồ sơ của nhà khoa học này trên trang web của trường đại học, công việc của anh tập trung vào khám phá thuốc ứng dụng AI và phát triển các nguyên liệu.
Tiến sĩ Phó Thiên Phàm, 32 tuổi, cho biết, việc Trung Quốc ngày càng đầu tư mạnh vào giáo dục đại học đã tạo ra những cơ hội chưa từng có cho các nhà khoa học trẻ như anh.
“Đại học Nam Kinh kết hợp giữa di sản văn hóa phong phú với vị thế dẫn đầu vững chắc về khoa học tự nhiên. Thế mạnh toàn diện của trường trong khoa học cơ bản tạo môi trường thuận lợi cho nghiên cứu của tôi trong việc ứng dụng AI nhằm thúc đẩy khám phá khoa học”, nhà khoa học Phó Thiên Phàm nói với trang Post cuối tuần trước.
Anh nói thêm rằng được gần gũi hơn với người thân sau nhiều năm ở nước ngoài cũng là một yếu tố quan trọng trong quyết định về nước làm việc của mình.
Theo chuyên gia Phó Thiên Phàm, công nghệ trí tuệ nhân tạo đã làm thay đổi sâu sắc quy trình nghiên cứu khoa học truyền thống. Trong lĩnh vực khám phá thuốc - trước đây vốn dựa vào những thí nghiệm thử - sai tốn kém và ngốn nhiều thời gian - bây giờ có thể được đẩy nhanh bằng máy học và dữ liệu lớn.
Thay vì thử nghiệm thủ công hàng nghìn hợp chất, các nhà nghiên cứu hiện có thể huấn luyện các mô hình học sâu dựa trên các cơ chế thuốc đã biết và sàng lọc ảo các thư viện phân tử khổng lồ để dự đoán những "ứng viên" có tiềm năng điều trị cao.
