Ngành hàng không Việt Nam đang trải qua giai đoạn tăng trưởng mạnh mẽ, tạo ra áp lực đáng kể lên hệ thống hạ tầng kỹ thuật và đòi hỏi sự chuyển đổi cấp thiết trong triết lý quản lý an toàn kết cấu. Nghiên cứu này phân tích sâu các khoảng trống kỹ thuật và pháp lý trong hệ thống tiêu chuẩn hiện hành, vốn vẫn đang “vay mượn" tiêu chuẩn từ lĩnh vực xây dựng dân dụng, dẫn tới sự thiếu nhất quán và chưa phù hợp với các loại tải trọng đặc thù của ngành hàng không. Bằng phương pháp tổng hợp, phân tích tài liệu và tham chiếu các tiêu chuẩn quốc tế hàng đầu (ICAD, FAA, Eurocodes), bài báo đề xuất một định hướng xây dựng khung Tiêu chuẩn Việt Nam (TCVN) chuyên ngành. Khung tiêu chuẩn mới được xây dựng dựa trên phương pháp luận tiên tiến là Đánh giá dựa trên Hiệu suất (PBA) và Quản lý Rủi ra, tích hợp các công nghệ hiện đại như Kiểm tra không phá hủy (NDT) và Giám sát sức khỏe kết cấu (SHM). Các tiêu chí kỹ thuật định lượng chi tiết được đề xuất cho các công trình cất lời như Nhà ga hành khách, Đài kiểm soát không lưu và Trung tâm kiểm soát đường dài, nhằm mục tiêu nâng cao năng lực quản lý, đảm bảo an toàn khai thác và tính bền vững cho hạ tầng hàng không quốc gia.

Việc tối ưu hóa trọng lượng cho các kết cấu thép nhịp lớn đóng vai trò then chốt trong việc giảm chi phí xây dựng và nâng cao hiệu quả sử dụng vật liệu. Nghiên cứu này phát triển một môn hình tích hợp giữa SAPZDDD-DAPI và MATLAB, cho phép tự động hóa toàn bộ quá trình phân tích và thiết kế kết cấu.Mục tiêu của quy trình là tìm kiếm phương án tối ưu cho mái vòm không gian bằng cách áp dụng các thuật toán thông minh lấy cảm hứng từ tự nhiên. Các môn hình được kiểm định và đánh giá dựa trên các chỉ số hiệu suất của môn hình vòm thực tế, tuân thủ các tiêu chuẩn TCVN 5575:2024 và TCVN 2737:2023. Kết quả so sánh cho thấy thuật toán PSD mang lại nghiệm tối ưu với tốc độ hội tụ cao và độ ổn định vượt trội, qua đó khẳng định tiềm năng ứng dụng rộng rãi của các kỹ thuật tối ưu hóa thông minh trong thiết kế kết cấu thép hiện đại.

Bài báo đề xuất giải pháp ứng dụng thuật toán DUBINS để giải quyết bài toán tự động tránh va chạm cho tàu không người lái USV trong khâu đưa ra quyết định bằng cách thay đổi hướng đi của một trong hai tàu. Phương pháp này được chia thành 3 giai đoạn: Xác định điểm tiếp cận an toàn dựa trên môn hình chuyển động thẳng đều, tính toán quỹ đạn tối ưu theo đường cong Dubins có xét đến các ràng buộc kỹ thuật về bán kính vòng quay trở tối thiểu và hiệu chỉnh quỹ đạo thông qua tối ưu hóa vận tốc để đảm bảo khớp thời gian thực hiện. Kết quả mô phỏng cho thấy thuật toán duy trì được khoảng cách an toàn với sai số dưới 1% trong đa số tình huống, đồng thời hỗ trợ linh hoạt cả hai phương án chuyển hướng sang trái (LSR) và sang phải (RSL). Nghiên cứu khẳng định tính khả thi của việc tích hợp thuật toán này vào hệ thống điều khiển tự động của tàu thủy nhằm nâng cao an toàn hàng hải và hiệu quả vận hành.

Hiệu suất của hệ thống pin quang điện (PV) phụ thuộc lớn vào chất lượng bề mặt tấm pin, bởi các hư hỏng như vết nứt hay bụi bẩn có thể làm suy giảm hiệu suất và ảnh hưởng lâu dài đến toàn hệ thống. Do đó, việc kiểm tra và đánh giá các hư hỏng này là một nội dung rất quan trọng trong công tác bảo trì và đánh giá chất lượng của các trang trại điện mặt trời. Phương pháp kiểm tra thủ công hiện nay có nhược điểm là tốn thời gian, độ chính xác thấp, phụ thuộc vào kinh nghiệm của kỹ thuật viên và khó đáp ứng yêu cầu giám sát trên diện rộng. Bài báo này đề xuất một quy trình ứng dụng trí tuệ nhân tạo (AI) nhằm tự động phát hiện các hư hỏng trên bề mặt tấm pin năng lượng mặt trời từ ảnh quang học thu thập bằng UAV. Hệ thống gồm hai giai đoạn chính: (i) tiền xử lý và cắt tách tự động từng tấm pin từ ảnh tổng thể, và (ii) phân loại trạng thái tấm pin bằng môn hình học sâu. Qua quá trình so sánh thực nghiệm giữa nhiều kiến trúc mạng nơ-ron tích chập (CNN) phổ biến (VGG, ResNet, EfficientNet), EfficientNet-B2 được lựa chọn nhờ khả năng cân bằng tốt giữa độ chính xác và chi phí tính toán. Môn hình được huấn luyện để phân biệt hai trạng thái “Normal" và “Defect", đạt độ chính xác 96,45% trên tập kiểm thử. Kết quả cho thấy tính khả thi và tiềm năng ứng dụng của hệ thống trong việc tự động hóa công tác kiểm tra, giám sát và bảo trì các trang trại điện mặt trời quy môn lớn.

Nông nghiệp là ngành kinh tế trọng điểm, tuy nhiên, sâu bệnh hại cây trồng gây ra những tổn thất lớn về năng suất và kinh tế hàng năm. Việc chẩn đoán bệnh truyền thống đòi hỏi kiến thức chuyên môn sâu và tốn nhiều thời gian, dẫn đến việc xử lý chậm trễ hoặc không chính xác. Sự phát triển của trí tuệ nhân tạo AI (Artificial Intelligence), đặc biệt là các môn hình học sâu và môn hình ngân ngữ lớn đa phương thức mở ra một hướng đi mới cho việc chẩn đoán bệnh cây một cách nhanh chóng và tự động. Bài báo trình bày quá trình nghiên cứu và thiết kế một hệ thống ứng dụng web thông minh, sử dụng API (Application Programming Interface) của Google Gemini để phân tích hình ảnh lá cây và đưa ra chẩn đoán. Hệ thống bao gồm một giao diện (frantend) cho phép người dùng tải ảnh và một máy chủ (backend) xử lý yêu cầu, gọi API và trả về kết quả phân tích chi tiết, bao gồm nhận diện bệnh, mô tả triệu chứng và đề xuất phương án điều trị. Kết quả thử nghiệm cho thấy hệ thống hoạt động ổn định, cung cấp phản hồi nhanh và kết quả chẩn đoán có cấu trúc rõ ràng, trực quan, mang lại tiềm năng lớn trong việc hỗ trợ nông dân ra quyết định và thực hành nông nghiệp thông minh.