AI nuôi vi tảo: cảm biến và chủng vi tảo là yếu tố then chốt tại cơ sở công nghiệp

Vi tảo phát triển nhờ ánh sáng và carbon dioxide có thể được sử dụng để sản xuất thức ăn và nguyên liệu dùng cho động vật, sắc tố và nhiên liệu tái tạo tiềm năng. Tuy nhiên, không dễ nuôi vi tảo hiệu quả ở quy mô công nghiệp, vì trong quá trình nuôi cấy phải đồng thời kiểm soát ánh sáng, nhiệt độ, pH (mức độ axit hoặc kiềm), nồng độ oxy và các yếu tố khác.

Các nghiên cứu và thử nghiệm gần đây cho thấy trí tuệ nhân tạo (AI) có thể hỗ trợ công việc kiểm soát này. AI có thể phân tích tình trạng sinh trưởng dựa trên thông tin thu được từ cảm biến và hình ảnh, đồng thời hỗ trợ điều chỉnh các điều kiện vận hành như lượng carbon dioxide cung cấp hoặc pH. Tuy nhiên, điều đó không có nghĩa là AI đã chứng minh được hiệu quả hay tính khả thi về kinh tế trong sản xuất công nghiệp.

Bối cảnh

Vi tảo là những sinh vật cực nhỏ có nhiều ở biển, sông và hồ. Thông qua quá trình quang hợp, chúng biến ánh sáng thành các hợp chất hữu cơ như protein, chất béo và carbohydrate. Trong các hệ thống quang sinh học (thiết bị nuôi cấy vi sinh vật bằng ánh sáng) dùng để nuôi vi tảo, cần duy trì các điều kiện nuôi cấy ở mức thích hợp.

Các điều kiện này ảnh hưởng qua lại lẫn nhau. Thiếu ánh sáng sẽ hạn chế quang hợp, còn ánh sáng quá mạnh có thể gây quang ức chế (hiện tượng hiệu suất quang hợp giảm do ánh sáng quá mức). Khi số lượng tế bào trong dung dịch nuôi cấy tăng lên, chúng cũng có thể che khuất ánh sáng của nhau. Vì vậy, chỉ điều chỉnh một điều kiện có thể không đủ để kiểm soát tình trạng nuôi cấy.

Cảm biến có thể liên tục đo nhiệt độ, pH, oxy hòa tan (oxy hòa tan trong chất lỏng), ánh sáng, carbon dioxide và các yếu tố khác. Học máy (phương pháp tìm kiếm và phân tích các mẫu hình trong dữ liệu) được dùng để xem xét những dữ liệu này, qua đó nhận diện tình trạng nuôi cấy và các biến đổi liên quan đến sinh trưởng. Một hướng tiếp cận khác đang được nghiên cứu là phân tích hình ảnh chụp dung dịch nuôi cấy để ước tính những thay đổi về sinh khối (vật chất có nguồn gốc sinh học) hoặc mật độ nuôi cấy.

Học máy đã được sử dụng trong một số trường hợp để dự đoán sự sinh trưởng của vi tảo hoặc tối ưu hóa các điều kiện nuôi cấy. Tuy nhiên, phần lớn hoạt động sản xuất được xem xét vẫn chỉ ở quy mô phòng thí nghiệm hoặc thí điểm nhỏ. Việc AI điều khiển đã được thử nghiệm trong một số hệ thống nuôi cấy ngoài trời quy mô lớn cho thấy khả năng ứng dụng ngoài phòng thí nghiệm, nhưng riêng điều đó chưa đủ để khẳng định hiệu quả ở quy mô thương mại.

Ý nghĩa của thông tin này

Vai trò của AI gần với việc hỗ trợ phán đoán của nhà nghiên cứu và người vận hành quy trình bằng cách xem xét đồng thời nhiều điều kiện và số đo, hơn là thay thế việc nuôi cấy. AI có thể tìm ra các mẫu hình liên quan đến sinh trưởng trong dữ liệu cảm biến hoặc phát hiện những thay đổi khó theo dõi liên tục bằng mắt thường, qua đó cung cấp thông tin tham khảo khi điều chỉnh điều kiện vận hành. Phân tích hình ảnh cũng có thể là một nguồn dữ liệu khác để ước tính tình trạng của dung dịch nuôi cấy.

Năm 2026, các nhà nghiên cứu ở Almería, đông nam Tây Ban Nha, đã thử nghiệm học tăng cường trong một hệ thống mương hở dạng đường đua rộng 80 m² (phương thức trong đó dung dịch nuôi cấy lưu thông qua các kênh ngoài trời), được dùng để nuôi vi tảo. Học tăng cường là phương pháp máy tính học xem hành động nào mang lại kết quả phù hợp. Hệ thống AI này sử dụng các số đo về nhiệt độ, ánh nắng và oxy hòa tan để xác định lượng carbon dioxide cần cung cấp, rồi điều chỉnh việc bơm carbon dioxide để kiểm soát pH.

Hệ thống được thử nghiệm trong 8 ngày dưới các điều kiện ngoài trời thay đổi; các nhà nghiên cứu cho biết hệ thống đã điều chỉnh quy trình trong khi ứng phó với những thay đổi của điều kiện vận hành. Đây là một trường hợp áp dụng điều khiển bằng AI vào hệ thống nuôi cấy đang vận hành thực tế. Tuy nhiên, chỉ dựa trên những thông tin được nêu trong bài viết thì chưa thể biết hệ thống đạt hiệu quả đến mức nào ở quy mô thương mại, cũng như chi phí hoặc tính khả thi về kinh tế ra sao.

Hãy thử hình dung một cơ sở nuôi cấy điều chỉnh lượng carbon dioxide cung cấp dựa trên dữ liệu cảm biến. Đề xuất điều chỉnh của AI có thể cung cấp thông tin hỗ trợ quyết định của người vận hành, nhưng khó có thể kỳ vọng đạt hiệu suất tương tự nếu số đo của cảm biến không chính xác hoặc mô hình chưa được kiểm chứng đầy đủ với các chủng vi tảo và thiết bị khác. Vì vậy, cần xem xét đồng thời không chỉ mô hình AI mà cả cảm biến, thiết bị nuôi cấy, chủng vi tảo và điều kiện vận hành.

Những điều đã được xác nhận và những điều chưa rõ

Những điều đã được xác nhận

• Vi tảo có thể được dùng làm thức ăn và nguyên liệu cho động vật, sắc tố và nhiên liệu tái tạo tiềm năng, nhưng khó nuôi cấy hiệu quả ở quy mô công nghiệp.
• Cảm biến và học máy đang được sử dụng để phân tích các điều kiện nuôi cấy và những mẫu hình liên quan đến sinh trưởng; các phương pháp ước tính thay đổi về sinh khối hoặc mật độ nuôi cấy từ hình ảnh cũng đang được nghiên cứu.
• Năm 2026, một hệ thống AI điều chỉnh lượng carbon dioxide bơm vào để kiểm soát pH đã được thử nghiệm trong 8 ngày ở một hệ thống mương hở dạng đường đua rộng 80 m² tại Almería.
• Cảm biến bị nhiễm bẩn, số đo thay đổi theo thời gian và sự khác biệt giữa các chủng vi tảo hoặc thiết bị có thể gây trở ngại khi áp dụng mô hình cho các hệ thống khác.

Những điều vẫn chưa rõ

• Chưa có thông tin về mức độ hiệu quả của điều khiển dựa trên AI trong sản xuất vi tảo ở quy mô thương mại.
• Chi phí hoặc tính khả thi về kinh tế của hoạt động nuôi cấy có ứng dụng AI chưa được giải thích.
• Chưa xác nhận được liệu các mô hình phát triển trong phòng thí nghiệm hoặc một hệ thống ngoài trời cụ thể có đạt hiệu suất tương tự với các chủng vi tảo và thiết bị khác hay không.

Những điều độc giả cần kiểm tra

• Cần kiểm tra xem cảm biến trong hệ thống nuôi cấy có bị nhiễm bẩn hoặc số đo có thay đổi theo thời gian hay không, đồng thời xác nhận dữ liệu dùng cho phân tích AI có đáng tin cậy hay không.
• Khi áp dụng mô hình được xây dựng cho một chủng vi tảo hoặc thiết bị cụ thể vào hệ thống khác, cần kiểm tra xem hiệu suất có được duy trì trong các điều kiện đó hay không.
• Khi đánh giá các trường hợp điều khiển bằng AI, cần xem xét quy mô và thời gian thử nghiệm, việc hệ thống có ứng phó được với những thay đổi của điều kiện ngoài trời hay không, đồng thời phân biệt những yếu tố này với việc đã chứng minh được hiệu quả thương mại hoặc tính khả thi về kinh tế hay chưa.