Làm nghiên cứu như thế nào (Phần 2)

Phần Introduction là phần mở đầu của một bài báo, và thường bao gồm 3 phần chính:

1. Giới thiệu tổng quan bối cảnh của nghiên cứu (context)

2. Giới thiệu vấn đề bài báo sẽ giải quyết (problem)

3. Giới thiệu tổng quan về phương pháp bài báo đề xuất (solution) 

***********************************************************************************

1. Giới thiệu tổng quan bối cảnh của nghiên cứu (context)

Ở phần đầu tiên (context), mục đích là giúp người đọc nắm được các thông tin cơ bản về đề tài nghiên cứu (topics) của bài báo. Ví dụ khi đề tài nghiên cứu là "Viewport Adaptive Streaming for 360 Video", thì phần context phải cung cấp được thông tin về 1) 360 Video và 2) Viewport Adaptive Streaming. Đây là đoạn viết về 360 Video:

360-degree video (360 video for short) is the main content type in Virtual Reality [1], being used in a wide range of applications such as VR sport, VR games [2]. 360 video has a much higher resolution and frame rate than conventional flat video. For example, to offer true immersion to the user, 360 video is expected to have a resolution of 24K and a frame rate of 60fps [3]. As a result, 360 video requires high bandwidth when streaming over networks.

Ở đây, đầu tiên mình bắt đầu bằng việc giới thiệu 360 video là một loại nội dung chính trong hệ thống thực tế ảo (Virtual Reality) cũng như các ứng dụng của nó. Sau đó, mình tập trung vào giới thiệu các sự khác biêt của 360 video so với video thông thường: độ phân giải và frame rate rất lớn. Một cách hiệu quả để giúp người đọc dễ hình dung là đưa ra các con số cụ thể như ở câu số 3. Cuối cùng, mình đề cập đến hệ quả của chúng lên tốc độ đường truyền cần thiết cho loại video này. Câu cuối cùng này là tiền đề để giới thiệu về "Viewport Adaptive Streaming" ở đoạn tiếp theo. Đây là một cách mình thường dùng để tạo kết nối giữa các đoạn trong bài báo.

To reduce the bandwidth required for 360 video streaming, Viewport Adaptive Streaming (VAS) has been proposed. The basic idea is to deliver the viewport (i.e., video part visible to the user) at a high bitrate (quality) while delivering the other parts at a lower bitrate (quality) [4]. In the literature, Viewport Adaptive Streaming is usually implemented using the so-called tiling-based approach [4], [5]. In tiling-based VAS, a 360 video is spatially divided into multiple parts called tiles. Each tile is independently encoded into multiple versions of different bitrates (quality levels). Tiles overlapping (non-overlapping) the viewport are delivered at high (low) bitrate.

Ở phần giới thiệu về Viewport Adaptive Streaming, đầu tiên mình giới thiệu về mục đích của công nghệ này theo cấu trúc: 

To ..., Viewport Adaptive Streaming has been proposed.

Tiếp theo, ý tưởng cơ bản của công nghệ này được giới thiệu bằng cấu trúc:

The basic idea is to .....

Ở đây tốt nhất là bạn nên viết trong 2,3 câu ngắn ngọn. Theo sau bởi một phần mô tả ở mức độ chi tiết hơn, trong ví dụ này là về tile-based approach. 

Khi mô tả về các khái niệm và cách thức liên quan đến một công nghệ, việc sử dụng các trợ từ (adverb) cho các động từ là rất cần thiết. Ví dụ, khi nói "360 video được chia thành nhiều phần gọi là tiles", thì động từ chia "divide" phải được đi kèm bời trạng từ "spatially" để chỉ rõ việc chia ở đây là theo miền không gian. Nếu không, người đọc có thể nhầm lẫn với việc chia video theo miền thời gian thành các segments. Tương tự với câu tiếp theo khi đề cập đến việc nén các tiles thành nhiều versions. Việc sử dụng trạng từ "independently" ở đây để chỉ rõ rằng, việc nén được thực hiện sau khi chia video thành các tiles, và được tiến hành độc lập với nhau. Câu cuối cùng của đoạn này mình áp dụng một cấu trúc hay dùng khi mô tả một hành động tác động lên hai thành phần khác nhau của hệ thống theo hai cách khác nhau. Trong trường hợp này, thay vì viết hai câu đơn lẻ, mình sẽ kết hợp thành một câu theo câu trúc.

A(B) is ... at A*(B*)

dấu ... là động từ chỉ hành động tác động lên  thành phần A và B. A* và B* là cách thức tác động.

2. Giới thiệu vấn đề bài báo sẽ giải quyết (problem)

Trong phần này, bạn cần mô tả được một cách rõ ràng câu hỏi (vấn đề) mà báo báo giải quyết. Ở trong bài báo này, vấn đề ở đây là "trade-off between viewport adaptivity and bitrate adaptivity". Thông thường sẽ có hai cách viết: một cách là đưa ra vấn đề trước sau đó giải thích, hai là đưa ra các dẫn chứng sau đó mới đưa ra vấn đề. Đây là một ví dụ:

Since the user tends to change his/her viewing direction when watching a 360 video, the viewport is usually varying during a streaming session [6]. Hence, adaptation methods for VAS should be able to adapt the tiles’ bitrates according to the time-varying viewport. In addition, the throughput in mobile networks may fluctuate significantly over time. Significant reductions in network throughput can lead to playback interruptions [7], which can greatly reduce the user viewing experience [8]. Hence, adaptation methods for VAS must also adapt the tiles’ bitrates according to the time-varying network throughput. To provide smooth playback under varying network conditions, the client should buffer some amount of video data before the playback of the video begins [7]. However, large buffer sizes can severely reduce the performances of VAS methods, as shown in [9]. Thus, there exists a trade-off between network adaptivity and viewport adaptivity in viewport adaptive streaming.

Trong đoạn này, tác giả sử dụng cách thứ hai. Đầu tiên, khái niệm về viewport adaptability được giải thích:

Since..., viewport is usually varying .... Hence, adaptations methods for VAS should be able to ...

Ở đây, tác giả giả thích bằng việc đưa ra một đặc trưng của người dùng khi xem video 360, đó là việc thay đổi góc nhìn liên tục, dẫn đến việc viewport thay đổi. Để đảm bảo tính khoa học cho bài báo, bạn phải đưa ra dẫn chứng để chứng minh tính đúng đắn của các câu trong bài bằng việc cite các tài liệu khoa học khác (bài báo, sách, technical report, vv.) ở cuối câu. Tương tự, sự cần thiết của network adaptivity được giải thích từ việc băng thông của mạng thay đổi liên tục theo thời gian. Cuối cùng, vấn đề chính của bài báo (trade-off between viewport adaptivity and bitrate adaptivity) được phân tích thông qua tác động của một biến trung gian là buffer.

3. Giới thiệu tổng quan về phương pháp bài báo đề xuất (solution) 

Phần này cần giới thiệu được 1) các điểm quan trọng của phương pháp đề xuất và 2) các kết quả chính của bài báo. Dưới đây là một ví dụ về phần 1.

In this paper, we propose a novel adaptation method for 360 video streaming over mobile networks that can provide high viewing experience to the users with the following key features.

•  Scalable Video Coding (SVC) is utilized to tackle the trade-off between network adaptivity and viewport adaptivity.
• The tile layer selection problem is formulated and an efficient algorithm is proposed.
• A late tile layer termination scheme is presented that can save network resources by terminating the delivery of late tile layers using HTTP/2’s stream termination feature.
• A tile layer updating scheme that can effectively deal with viewport estimation errors is proposed. The scheme makes use of HTTP/2’s stream priority feature.

Ở đây, tác giả đưa ra các kỹ thuật bài báo đề xuất và tác dụng cụ thể của từng kỹ thuật. Việc viết theo kiểu liệt kê như ở trên nên được sử dụng để giúp người đọc dễ hiểu. Một điểm quan trọng nữa là nếu đã có các phương pháp trước đây (existing methods) thì đoạn này cũng phải nêu được sự ưu việt (advantages) của phương pháp đề xuất so với các phương pháp cũ. Ở phần thứ hai, các kết quả chính của bài báo được giới thiệu như ví dụ ở phía dưới.

Experimental results using real head movement traces and real network throughput traces show that the proposed method can improve the average viewport bitrate by 16-17% compared to a reference method. Also, our method can avoid significant reductions in the buffer level.

Khi đề xuất một phương pháp mới, thì ở đoạn này bạn phải nêu bật được sự hiệu quả của phương pháp đề xuất một cách định lượng. Cấu trúc phổ biến có thể dùng ở đây là:

The proposed method can improve ... by ... compared to reference methods.

Ở dấu ba chấm đầu tiên là tên metric dùng để đánh giá (average viewport bitrate), dấu ba chấm thứ hai mức độ cải thiện của phương pháp đề xuất. Như đã nói ở trên, việc đưa ra các con số cụ thể sẽ làm cho bài báo có sức thuyết phục cao hơn.

Trên đây là giới thiệu về các thành phần và điểm chú ý khi viết phần Introduction của một bài báo khoa học. Các ví dụ sử dụng trong bài này được trích dẫn từ bài báo bên đưới.

Duc V. Nguyen, Hoang Van Trung, Hoang Le Dieu Huong, Truong Thu Huong, Pham Ngoc Nam, Truong Cong Thang, "Scalable 360 video streaming using HTTP/2", IEEE MMSP 2019 .

Làm nghiên cứu như thế nào? (Phần 1)

Hôm nay có bạn hỏi mình làm thế nào để viết được một bài báo nghiên cứu khoa học. Sau đây là tóm tắt các khái niệm và quá trình làm nghiên cứu theo kinh nghiệm của bản thân mình. Hy vọng sẽ giúp các bạn có cái nhìn tốt hơn về làm nghiên cứu.

Đầu tiên phải nói đến khái niệm cơ bản liên quan đến làm nghiên cứu (research). Làm nghiên cứu tức đi tìm câu trả lời (answer/solution) cho một câu hỏi (question/problem) mà chưa ai trả lời được. Một ví dụ nổi tiếng là câu hỏi: Các hành tinh chuyển động xung quanh mặt trời theo quỹ đạo hình gì? Để trả lời câu hỏi này, đầu tiên chúng ta cần tập hợp dữ liệu (data collection) về chuyển động của các hành tinh theo thời gian. Điều này được thực hiện đầu tiên bởi Tycho Brahe ở thế kỷ 16. Trong thời đại chưa có kính viễn vọng, Tycho ghi lại vị trí của các hành tinh bằng cách quan sát bằng mắt thường từ đêm này qua đêm khác. Độ chính xác cao từ dữ liệu của Tycho chính là tiền đề để Kepler trả lời câu hỏi về chuyển động của các hành tinh. Phương pháp mà Kepler sử dụng là trial-and-error. Đầu tiên ông giả thuyết (hypothesis) quỹ đạo của các hành tinh là đường tròn, sau khi tính toán vị trí của các hành tinh và so sánh với dữ liệu thực tế, ông nhận thấy sai số (error) là quá lớn. Kepler lặp đi lặp lại quá trình này và tìm ra rằng quỹ đạo phù hợp nhất với dữ liệu thực tế là hình ellipse với mặt trời nằm ở một trong hai focal points. Các kiến thức được đưa vào trong sách giáo khoa như định luật vạn vật hấp dẫn, định luật Faraday, thuyết tương đối cũng đều được xây dựng để trả lời các câu hỏi tương tự. (Việc xây dựng mô hình để dự đoán Quality of Experience (QoE) tương đương với việc trả lời câu hỏi: QoE phụ thuộc vào những nhân tố nào? Cách chúng ta trả lời câu hỏi này cũng không khác gì so với cách mà Kepler, Faraday, hay Einstein sử dụng!)

Làm nghiên cứu vì vậy sẽ có hai bước 1) xác định câu hỏi và 2) tìm câu trả lời. Đây là ví dụ về một câu hỏi.

Trong live streaming over HTTP, biết trước độ dài buffer và bitrate của từng version, tải version cho từng segment như thế nào để đem lại trải nghiệm tốt nhất cho người dùng?

Phần đầu tiên của câu hỏi này "Trong live streaming over HTTP", định nghĩa bối cảnh (context) mà câu hỏi này áp dụng. Bối cảnh cũng sẽ xác định các ràng buộc (constraints) mà câu trả lời phải thỏa mãn. Ví dụ trong live streaming, bạn chỉ có thể gửi request cho một segment sau khi nó đã được tạo ra ở server. Một ràng buộc khác là độ trễ của tín hiệu phải nhỏ hơn một giá trị cho trước. Phần tiếp theo  "biết trước độ dài buffer và bitrate của từng version" định nghĩa các thông tin đầu vào (inputs) của bài toán. Phần cuối cùng "đem lại trải nghiệm tốt nhất cho người dùng" định nghĩ mục tiêu (objective) của câu trả lời. Vì vậy, xác định được câu hỏi tức là bản phải xác định được:

1. Bối cảnh (context)

2. Đầu vào (inputs)

3. Các ràng buộc (constraints)

4. Mục tiêu (objectives)

Cách mình thường dùng để tìm câu trả lời như sau:

1. Xác định giá trị của mục tiêu với các câu trả lời đơn giản nhất (baselines). Việc này sẽ giúp cho bạn đánh giá được hiệu quả mà phương pháp của bạn sẽ đề ra.

2. Đề xuất câu trả lời mới, đánh giá, và so sánh với giá trị ở bước 1

3. Cải tiến câu trả lời và lặp lại bước 2

Bước 2,3 là nơi mà mình thích nhất trong quá trình làm research vì được thoải mái sáng tạo, đưa ra ý tưởng và kiểm chứng tính hiệu quả của chúng. Đây cũng là nơi mà bạn phải dành nhiều thời gian nhất trong quá trình làm. Quá trình trial-and-error mà Kepler dùng để tìm ra dạng quỹ đạo của các hành tinh cũng nằm ở hai bước này.

Sau khi đã có một câu trả lời, việc quan trọng tiếp theo là phải so sánh với các câu  trả lời trước đây. Với các câu hỏi quan trọng, thì việc có khoảng 10 câu trả lời trước đây là việc rất bình thường. Nếu inputs của bạn hoàn toàn giống với inputs trong các bài báo trước đây thì bạn có thể dùng kết quả mà tác giả ghi trong bài báo của họ để đánh giá. Nếu không bạn sẽ cần phải implement và đánh giá lại câu trả lời của họ với dữ liệu đầu vào mà bạn đang dùng.

Sau khi đã chứng minh được rằng câu trả lời của bạn tốt hơn các đề xuất trước đây, bước cuối cùng là trình bày câu trả lời của bạn thành một bài báo để người đọc có thể hiểu và kiểm chứng được câu trả lời bạn đề xuất. Trong thực tế thì việc viết này sẽ được tiến hành ngay từ đầu và mình cũng khuyến khích các bạn như vậy. Nó sẽ giúp các bạn hiểu rõ hơn câu hỏi mà mình đang giải quyết. 

Kết: Làm nghiên cứu là một công việc mà bạn có thể rèn luyện được rất nhiều kĩ năng: tìm kiếm và giải quyết vấn đề, trình bày, làm việc nhóm, tiếng Anh. Tuy nhiên, nó cần rất nhiều nỗ lực và thời gian và phụ thuộc nhiều vào câu hỏi bạn giải quyết. Einstein chỉ mất 3 tháng để phát triển thuyết tương đối hẹp, nhưng mất tới 10 năm để tìm lời giải cho thuyết tương đối rộng. Trong bài tiếp theo, mình sẽ nói về hội nghị, tạp chí và các vấn đề liên quan.

Người Nhật chống dịch

 Hôm nay là tròn 4 tháng tôi làm việc ở nhà do ảnh hưởng của dịch Covid. Con số này chắc sẽ còn tăng vì dịch ở Tokyo đang chưa có dấu hiệu gì là được kiểm soát. Tuần này, bác Abe trả lời các phóng viên rằng tình hình hiện tại chưa cần ban bố tình trạng khẩn cấp quốc gia một lần nữa. Bác chỉ khuyên mọi người hãy tuân thủ các quy tắc phòng chống dịch để tránh hạn chế lây lan, mà không đề cập gì đến hạn chế đi lại. Trong khi đó, thị trưởng Tokyo họp báo và khuyên mọi người hạn chế đi lại trong dịp nghỉ lễ Obon (đây là dịp nghỉ lễ vào giữa tháng 8, mọi người thường sẽ về quê, đi tảo mộ, vv.). Sự đối lập trong cách xử lý dịch của Tokyo và chính phủ đã kéo dài kể từ sau khi dỡ bỏ tình trạng khẩn cấp vào cuối tháng 5. Trong khi chính phủ Nhật chú trọng vào khôi phục nền kinh tế bằng chiến dịch Go To. Chiến dịch này sẽ hỗ trợ các công ty lữ hành, khách sạn để giảm giá dịch vụ nhằm tăng lượng khách du lịch trong nước. Ngược lại, Tokyo áp dụng kiểm tra PCR để truy vết và kiểm soát dịch bệnh, và vẫn yêu cầu mọi người hạn chế đi lại, đặc biệt là các khu mua sắm, ăn uống đông đúc. Điều này dẫn đến một điều buồn cười là Tokyo không tham gia vào chiến dịch Go To trong khi là thủ đô của đất nước.

Hôm qua, Tokyo có hơn 450 người bị mắc mới nâng tổng số người mắc lên hơn 15 nghìn người, chiếm gần 1/3 tổng số người mắc ở Nhật. Phần lớn con số này đến từ sau khi tình trạng khần cấp toàn quốc được dỡ bỏ vào cuối tháng 5. Điều này thực ra cũng dễ hiểu vì cuộc sống ở Tokyo gần như đã trở lại bình thường bất chấp dịch bệnh gia tăng. Các chuyến tàu chật cứng, người xếp hàng dài trong siêu thị, trẻ con vui chơi trong các khu giải trí, tất cả đều gần như lúc chưa có dịch. Với gần 15 triệu dân, thì việc dịch bệnh tiếp tục tăng là không tránh khỏi vì gần như không có biện pháp mạnh nào được đưa ra, tất cả chỉ ở mức khuyến cáo. Mặc dù là một nước phát triển nhưng dịch Covid làm lộ ra một điểm yếu nữa của Nhật Bản là khả năng ứng dụng công nghệ thông tin của các doanh nghiệp đang rất hạn chế. Ở Tokyo chỉ khoảng 20% số doanh nghiệp là có hệ thống IT có thể hỗ trợ làm việc từ xa 100%. Nhưng làm việc từ xa cũng có rất nhiều bất lợi như là giảm khả năng tập trung, không gian làm việc không đảm bảo. Thế nên công ty tôi cũng có khoảng 20% nhân viên đến công ty để làm việc hàng ngày mặc dù có thể làm tại nhà. Áp lực về kinh tế đã quá lớn nên có vẻ việc Nhật Bản và Tokyo ban bố tình trạng khẩn cấp một lần nữa là khá thấp. Hy vọng dịch sớm qua để mọi thứ trở lại bình thường.

Nhật ký đi làm (Phần 3)

12, đó là số cuộc họp tôi đã tham gia trong tuần này. Tính ra thì trung bình hơn 2 cuộc một ngày. Đây là con số cao nhất trong một tuần kể từ khi đi làm. Con số này nói lên một đặc trưng trong văn hóa làm việc của người Nhật, đó là làm việc nhóm và báo cáo công việc liên tục hàng tuần. Cụ thể, mỗi một dự án sẽ được phụ trách bởi một nhóm từ 3-5 người trong đó có một người quản lý thường là trưởng nhóm và 1, 2 người làm chính. Hàng tuần sẽ có một cuộc họp nhóm (定例）để báo cáo, kiểm tra tiến độ công việc. Ngoài ra, 2 tuần một lần sẽ có một buổi báo cáo với công ty đối tác. Do vậy nếu bạn là trưởng nhóm thì sẽ  phải tham gia vào gần như tất cả các nhóm làm việc (10+). Hiện tại tôi đang tham gia vào 5 nhóm. Ngoài ra, khi có các công việc phát sinh thì một cuộc họp sẽ được tổ chức để tìm cách giải quyết. Trong một dự án trong trường hợp cần thiết thì công việc sẽ được chia ra thành các phần nhỏ hơn và mỗi phần sẽ lại có các cuộc họp để thảo luận. Cách làm việc này được gọi là 「ほう-れん-そう」trong tiếng Nhật, nó là ghép từ đầu tiên của ba từ ほうこく(báo cáo), れんらく（liên lạc), và そうだん (thảo luận). 

Cách làm này có nhiều lợi ích. Đầu tiên, nó sẽ đảm bảo dự án được hoàn thành đúng thời hạn được giao. Vì mỗi tuần bạn sẽ tập trung vào giải quyết một phần công việc nên tiến độ công việc sẽ rất dễ dàng để kiểm soát. Khi có các vấn đề phát sinh, các thành viên trong nhóm sẽ đưa ra ý kiến để cùng nhau giải quyết. Việc này sẽ tận dụng được kiến thức, kĩ năng của cả nhóm, đặc biệt trong trường hợp người làm chính chưa có kinh nghiệm. Thứ hai, bạn sẽ dễ dàng hòa nhập vào môi trường công ty thông qua tiếp xúc, trao đổi liên tục. Những người nước ngoài như tôi ban đầu cảm thấy khó khăn trong việc giao tiếp với các thành viên khác. Nhưng chỉ sau nửa năm làm việc thì tôi đã thấy rất thoải mái trong giao tiếp và công việc với mọi người. Tuy nhiên, cách làm này cũng có những điểm yếu của nó. Khi bạn tham gia vào nhiều nhóm làm việc, thời gian của bạn sẽ bị gián đoạn bởi các cuộc họp. Điều này rất ảnh hưởng lên hiệu suất của các công việc đòi hỏi tập trung trong thời gian dài như làm nghiên cứu. Và tùy vào nội dụng công việc, việc có quá nhiều ý kiến đôi khi khiến cho công việc trở nên phức tạp hơn. Ngoài ra, nó cũng dễ nảy sinh việc ỷ lại vào ý kiến của người khác mà không tự tìm tòi giải quyết vấn đề.

Văn hóa làm việc theo nhóm này của người Nhật được định hình từ rất sớm. Nếu buổi sáng quan sát học sinh tiểu học ở Nhật đi học, bạn sẽ thấy học sinh đi học theo các nhóm khoảng 10 người trong đó người đi đầu là một em lớn tuổi hơn và cầm cờ để dẫn cả nhóm đi. Khi lên cấp hai, cấp ba, đại học, gần như tất cả học sinh của Nhật sẽ tham gia vào các câu lạc bộ về thể thao, nghệ thuật, học tập, vv. Điều này làm cho việc hoạt động theo tập thể trở thành một điều hiển nhiên trong xã hội Nhật. Điều này cũng dẫn đến việc nếu bạn không hòa đồng vào tập thể thì sẽ dễ bị đánh giá thấp.

Kết: Vẫn còn rất nhiều điều đặc biệt về văn hóa và con người Nhật bản. Hẹn gặp lại trong phần tiếp theo.

New conference paper: Application Layer Throughput Control for Video Streaming over HTTP2

Our latest research on throughput control for video streaming has been accepted for presentation at Eighth International Conference on Communications and Electronics (ICCE).  In this work, we tackle the problem of throughput control for multiple streaming clients at application layer using HTTP2 flow control feature. The proposed framework includes a throughput estimation scheme and an application layer based throughput control scheme which utilizes HTTP2’s Flow Control mechanism. Experiment results show that the proposed framework can effectively control throughput of individual clients.

Why do we need "throughput control"?

In practice, there are many cases where multiple videos are concurrently streamed over a same network connection with limited bandwidth.  A common example is when people in a same local network (e.g., home, office) watch online videos at the same time. Another example is camera surveillance system where a large number of video feeds from surveillance cameras is streamed to a processing data. In addition, those video streams may have different characteristic (e.g., bitrates) or have different levels of importance. Thus, it is desirable to be able to allocate available network bandwidth in an efficient manner. For instance, in case of camera surveillance system, video streams from important cameras should have higher throughput than those from less important ones.  

Why application layer matter?

In our previous work [1], we successfully control throughput of streaming client by adjusting TCP flow control window size. However, it may not always possible to perform such control in practice, such as in browser-based streaming, or in mobile devices. Thus, it is desirable to be able to control throughput at application layer.

[1] Duc V. Nguyen, Huyen Tran, Pham Ngoc Nam, Truong Cong Thang, "Cross-Layer Management for Multiple Adaptive Streaming Clients in Wireless Home Networks", IEICE Transactions on Information and Systems, March. 2018.

Học về thuyết tương đối (special relativity and general relativity)

Albert Einstein được xem như là một trong những nhà bác học vĩ đại nhất mọi thời đại. Tên của ông đồng nghĩa với thiên tài (genius). Hai công trình khoa học quan trong nhất của Einstein là thuyết tương đối hẹp (special relativity) và thuyết tương đối rộng (general relativity). Vậy thuyết tương đối hẹp là gì? Nó được tạo ra như thế nào? Các hệ quả của nó là gì? Ứng dụng của nó là gì? trả lời những câu hỏi này sẽ là mục tiêu của bài viết này.

Đầu tiên nói về bối cảnh, thuyết tương đối hẹp được Einstein đề xuất lần đầu tiên trong một bài báo ông viết vào năm 1905 đăng trên tạp chí vật lý Annalen der Physik . Lúc này ông 26 tuổi và đang là nhân viên ở văn phòng phụ trách đăng ký bản quyền ở Zurich, Thụy Sĩ. Cùng trong năm này, ông còn viết 3 bài báo quan trọng ở các lĩnh vực khác bao gồm 1) phân tích chuyển động của phân tử, 2) giải thích hiệu ứng quang điện (photoelectric effect), và 3) mối liên hệ giữa khối lượng và năng lượng (E=mc^2). Ông được trao giải thưởng Nobel vật lý năm 1921 do đóng góp trong việc giải thích hiệu ứng quang điện (photoelectronic effect). Năm 1905 vì vậy được gọi là Annus mirabilis , có nghĩa là năm kỳ diệu của Einstein.

Thuyết tương đối hẹp ra đời để giải thích sự không đồng nhất giữa cơ học cổ điển của Newton và thuyết điện từ phát triển bởi Maxwell liên quan đến vận tốc của ánh sáng. Theo Newton, vận tốc của mọi vật là tương đối phụ thuộc theo hệ quy chiếu, ví dụ nếu bạn ngồi trên tàu đang di chuyển với vận tốc là 60km/h thì vận tốc của bạn so với côt mốc bên đường là 60km/h, nhưng so với người ngồi cạnh thì sẽ là 0km/h. Tuy nhiên, Maxwell đã chứng minh rằng ánh sáng là một loại sóng điện từ (electromagnetic wave), và có vận tốc không đổi 3x10^8 (km/h) trong chân không. Điều này dẫn đến việc nếu bạn ngồi trên tàu và chiếu đèn cùng hướng di chuyển với một chuyến tàu đang di chuyển với vận tốc 10^8 (km/h) thì một người đứng ở cạnh đường ray vẫn sẽ đo được vận tốc ánh sáng từ đèn của bạn là 3x10^8 (km/h) chứ không phải là 4x10^8(km/h).

Để giải thích cho sự không đồng nhất này, Einstein đã sử dụng kết quả của Maxwell và đặt ra tiên đề: "Vận tốc ánh sáng là cố định và không phụ thuộc vào hệ quy chiếu". Đây chính là một trong hai tiên đề của thuyết tương đối hẹp. Tiên đề còn lại là: "Các định luật vật lý là như nhau trong mọi hệ quy chiếu quán tính".

Nếu vận tốc ánh sáng là không đổi thì so với một người ngồi trên tàu, thời gian của một người đứng ở bên đường sẽ trôi nhanh hơn. Lý do là bởi vì người đứng bên đường sẽ thấy ánh sáng đi được một quãng đường xa hơn so với người ở trên tàu. Vì thời gian bằng quãng đường chia cho vận tốc nên thời gian người đứng ở bên đường trải qua sẽ dài hơn. Do vậy, thời gian không còn là tuyệt đối mà chỉ là tương đối và phụ thuộc vào vận tốc.

Sự liên hệ về thời gian t của một hệ quy chiếu đứng yên so với thời gian t' của một hệ quy chiếu chuyển động có thể được tính toán rất đơn giản như sau. Giả sử trên một chiếc tàu chuyển động với vận tốc không đổi v, một photon (đơn vị nhỏ nhất cấu tạo nên ánh sáng) di chuyển qua lại giữa hai tấm gương đặt song song với nhau và song song với mặt đất. Xem xét sự kiện một photo di chuyển từ tấm gương phía dưới lên tấm gương phía trên. Giả sử thời gian photon di chuyển t' đối với một người đứng trên tàu, là t đối với một người quan sát trên mặt đất. Đối với người quan sát trên mặt đất, quãng đường photon di chuyển sẽ là AB vì vị trí chiếc gương bị xa ra do tàu di chuyển một đoạn là CB trong khoảng thời gian photon di chuyển. Ta sẽ tính được giá trị các độ dài AB, BC, và AC như sau:

AB = c x t với c là vận tốc của ánh sáng
BC = v x t với v là vận tốc di chuyển của tàu
AC = c x t' với t' là thời gian của một người đứng trên tàu.

Vì ABC là tam giác vuông, sử dụng định lý Pythago và một số bước biến đổi ta thu được kết quả liên hệ giữa t và t' như công thức ở trên. Vì vận tốc di chuyển của tàu (v) nhỏ hơn vận tốc ánh sáng (c), ta suy ra được là t' nhỏ hơn t. Nói cách khác, thời gian đối với người di chuyển thì trôi chậm hơn so với người đứng yên. Trong cuộc sống của con người, v thường rất nhỏ so với c nên sự khác biêt là gần như không đáng kể. Đối với các vật di chuyển nhanh, sự khác biệt có thể là rất đáng kể. Có một điểm thú vị là nếu di chuyển với vận tốc ánh sáng (v=c) thì thời gian sẽ ngừng trôi (t' = 0).

Tương tự như thời gian, không gian (độ dài) cũng có tính tương đối và phụ thuộc vào vận tốc di chuyển: "độ dài của một vật khi di chuyển thì ngắn hơn độ dài của cùng vật đó khi đứng yên". Và khi di chuyển với vận tốc ánh sáng, thì độ dài sẽ bằng 0.

Dù nổi tiếng nhưng thuyết tương đối hẹp của Einstein không có nhiều ứng dụng trong thực tiễn cuộc sống vì chúng ta di chuyển với vận tốc rất nhỏ so với vận tốc ánh sáng, nên thời gian giữa các hệ quy chiếu có thể xem là giống nhau mà ko gây ra nhiều vấn đề. Đây cũng là một lý do cho việc ông không được trao giải Nobel cho thuyết tương đối hẹp. Một ứng dụng có thể kể đến là việc căn chỉnh thời gian của các vệ tinh của hệ thống định vị toàn cầu GPS. Các vệ tinh này di chuyển với vận tốc hàng chục nghìn ki lô mét một giờ nên thời gian đối với các vệ tinh này sẽ chậm hơn so với người di chuyển trên mặt đất. Do vậy, việc tính toán tọa độ của người dùng phải tính đến sự chênh lêch thời gian này.

Người ta gọi 1905 là năm kỳ diệu của Estein nhưng thực ra thời gian này không thực sự tốt đẹp với ông. Bài báo về thuyết tương đối hẹp dù được xuất bản trong năm này nhưng gần như không ai trong giới khoa học để ý đến vì ông chỉ là một nhân viên văn phòng không phải là giáo sư của trường đại học. Ông chỉ thực sự được chú ý khi Max Plank, một nhà khoa học nổi tiếng đương thời, cha đẻ của cơ học lượng tử (quantum mechanic) và là chủ biên của tờ tạp chí Annalen der Physik, đọc bài báo của Einstein và nhận ra tầm quan trọng của kết quả này. 

Dù không hoàn toàn bị thuyết phục bởi kết quả trong bài báo, Max Plank yêu cầu Einstein giải thích kỹ hơn về kết quả, cũng như yêu cầu ông mở rộng lý thuyết cho trường hợp hệ quy chiếu chuyển động có gia tốc (vận tốc thay đổi theo thời gian). Einstein mất 10 năm để mở rộng thuyết tương đối hẹp cho trường hợp hệ quy chiếu có gia tốc, và kết quả của nó là thuyết tương đối rộng (general relativity). Dù được gọi là thuyết tương đối rộng, nhưng general relativity lại giải quyết một vấn đề hoàn toàn khác biệt là lực trọng trường (Gravity). 

New conference paper on Transfer Learning

Why transfer learning?

Though the performance of machine learning models (especially deep learning) has been improved significantly over the past few years, there still exist several challenges that need to be addressed in order for ML to be applied in practice at scale. One of the most serious problems is the poor performance when applying pre-trained machine learning models to real-world problems. We, human being, are born with the ability to apply acquired knowledge and skills to new problems/tasks. For example, once you learned to ride a bicycle, you can ride a motorbike with minimum efforts. But, it is not so simple in case of machine learning. Retraining ML models for new tasks requires additional training data that is not available in many cases. Transfer learning is a potential approach to deal with this problem. 

What is transfer learning?

Transfer learning refers to a set of machine learning techniques that allows one to transfer knowledge learned from an auxiliary (or source) domain to help the training task on a target domain. There are three typical types of transfer learning, namely, instance transfer, feature transfer, and network transfer. In instance-based transfer, instances (or data) from the source domain is used in the training at the target domain. Go further, feature-based transfer aims to transfer features which are learned from the data. Different from the raw data, features are more compact and contain more meaningful information that can help improve the performance in many cases. Both instance-based and feature-based approaches assume that the source data is available at the target data. However, due to increasing concerns over user privacy and security, it become more and more difficult to share data between domains. Network transfer can solve this problem by transferring part of the model such as weights. 

Our contribution 

Recommender system is an essential component in many practical applications and services. Recently, significant progress has been made to improve performance of recommender system utilizing deep learning. However, single-domain recommender system suffers from the long-standing data sparsity problem. Transfer learning is a potential approach to deal with the data sparsity problem in recommender system. In this paper, we investigate the transferability of deep neural networks for recommender system. It is found that the neural network responsible for learning the user-item interaction function can be transferred to the target domain, resulting in significant improvement in recommendation performance.

Ref: Duc Nguyen et al., "On the Transferability of Deep Networks for Recommender Systems", DEIM Forum, March. 2020.