[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_%C4%91%E1%BB%99ng%20h%E1%BB%8Dc%20phi%20tuy%E1%BA%BFn{\"limit\":5}":3,"_public_topic_byId_%C4%91%E1%BB%99ng%20h%E1%BB%8Dc%20phi%20tuy%E1%BA%BFn":33},{"code":4,"data":5,"meta":12},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":32},[],[],[9,22],{"publicationId":10,"title":11,"originalTitle":12,"authorNames":13,"authorCount":15,"journalName":16,"vietnamJournal":17,"publishDate":18,"publishYear":19,"totalCitation":12,"url":20,"doi":12,"summary":21},"0a011386-4cba-4a1c-a82d-25eff4e4f55b","Mô hình động lực học của hệ thu thập năng lượng sử dụng dầm có hai vị trí cân bằng",null,[14],"Nguyễn Huy Thế",1,"TẠP CHÍ VẬT LIỆU & XÂY DỰNG",true,"2021-06-28",2021,"http:\u002F\u002Fojs.jomc.vn\u002Findex.php\u002Fvn\u002Farticle\u002Fview\u002F72","\u003Cp>Hệ thống thu hoạch năng lượng dầm công xôn hai trạng thái bền \u003Ci>bistable cantilever beam\u003C\u002Fi> được khảo sát dưới tác động của kích thích dao động cơ học. Phân tích \u003Cb class=\"publication-topic-keywords\">động học phi tuyến\u003C\u002Fb> qua phương pháp số và mặt cắt \u003Ci>Poincaré\u003C\u002Fi> giúp \u003Cb>mô tả quỹ đạo chuyển tiếp hỗn loạn giữa hai hố thế\u003C\u002Fb> và tối ưu hóa công suất phát điện băng rộng. Mô hình mở rộng khả năng khai thác năng lượng môi trường, dù ảnh hưởng của lực cản khí động học chưa được tính toán toàn diện.\u003C\u002Fp>",{"publicationId":23,"title":24,"originalTitle":12,"authorNames":25,"authorCount":15,"journalName":27,"vietnamJournal":17,"publishDate":28,"publishYear":29,"totalCitation":12,"url":30,"doi":12,"summary":31},"06250015-36a3-40f6-abf2-f461b122200f","NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ RON ĐỂ NHẬN DẠNG VÀ ĐIỀU KHIỂN CÁNH TAY ROBOT – MỘT ĐỐI TƯỢNG ĐỘNG HỌC PHI TUYẾN",[26],"Nguyễn Hữu Công*","Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng","2016-05-31",2016,"https:\u002F\u002Fjst-ud.vn\u002Fjst-ud\u002Farticle\u002Fview\u002F1085","\u003Cp>Cánh tay robot bậc tự do cao được nghiên cứu như một hệ cơ điện tử phức tạp với đặc tính \u003Cb class=\"publication-topic-keywords\">động học phi tuyến\u003C\u002Fb> mạnh. Thuật toán điều khiển thích nghi kết hợp \u003Ci>mạng nơ-ron nhiều lớp\u003C\u002Fi> cho phép \u003Cb>nhận dạng ma trận quán tính và mô-men Coriolis\u003C\u002Fb>, giúp giảm sai số bám quỹ đạo góc quay khớp xuống dưới \u003Ci>0,01 rad\u003C\u002Fi>. Giải pháp nâng cao độ ổn định chuyển động của robot công nghiệp, song thời gian tính toán trực tuyến đòi hỏi phần cứng xử lý mạnh.\u003C\u002Fp>",[],{"code":4,"data":34,"meta":12},{"id":35,"title":36,"description":37,"content":38,"term":35,"englishTitle":39,"synonyms":40,"definition":44,"discipline":45,"references":46,"faqs":63,"createUser":73,"publishUser":77,"keywords":80,"keywordCount":91,"enrichTopicLink":17,"status":92,"createTime":93,"updateTime":94,"publishTime":95,"linkEnrichedTime":96,"publicationScanTime":97,"contentErrorMessage":12,"viewCount":98,"relateTopics":99},"động học phi tuyến","Động học phi tuyến là gì? Các nghiên cứu khoa học liên quan","Động học phi tuyến nghiên cứu quá trình động học được mô tả bởi các hệ phương trình vi phân hoặc sai phân mà tốc độ thay đổi không tỷ lệ thuận với nồng độ chất tham gia, khác với động học tuyến tính. Đặc trưng bởi các thành phần bậc cao, nhân tử hoặc hàm mũ, động học phi tuyến có thể biểu hiện đa ổn định, dao động và hỗn loạn, đóng vai trò quan trọng trong hóa học dao động, sinh học phân tử và kỹ thuật quá trình.","\u003Cp>\u003Cstrong>động học phi tuyến\u003C\u002Fstrong> (nonlinear dynamics) là Động học phi tuyến (Nonlinear Dynamics) là một nhánh của vật lý toán học nghiên cứu hành vi của các hệ động lực mà sự thay đổi của đầu ra không tỷ lệ thuận với đầu vào, làm xuất hiện các hiện tượng phức tạp như phân nhánh (bifurcation), hỗn loạn (chaos) và fractal.\u003C\u002Fp>\n\u003Ch2>Định nghĩa động học phi tuyến\u003C\u002Fh2>\n\u003Cp>Động học phi tuyến (nonlinear kinetics) là lĩnh vực nghiên cứu các quá trình động học được mô tả bởi {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20vi%20ph%C3%A2n%22%7D}} hoặc sai phân mà mối quan hệ giữa biến số và tốc độ thay đổi không tuyến tính. Khác với động học tuyến tính, trong đó tốc độ biến thiên tỉ lệ thuận với nồng độ chất tham gia, động học phi tuyến bao gồm các thành phần bậc cao, sản phẩm nhân hoặc hàm mũ khiến hệ có thể biểu hiện đa ổn định, dao động hoặc hỗn loạn.\u003C\u002Fp>\n\u003Cp>Các hệ động học phi tuyến thường gặp trong hóa học xúc tác chuỗi, sinh học phân tử, sinh thái học, vật lý plasma và kỹ thuật quá trình. Đặc điểm đáng chú ý là hiện tượng bifurcation (phân nhánh), attractor (thu hút) và chaos (hỗn loạn), khiến việc phân tích và dự báo hành vi của hệ trở nên phức tạp hơn rất nhiều so với động học tuyến tính.\u003C\u002Fp>\n\u003Cp>Ứng dụng của động học phi tuyến bao gồm mô hình hóa dao động Belousov–Zhabotinsky, phân tích tế bào thần kinh và {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99ng%20l%E1%BB%B1c%20qu%E1%BA%A7n%20th%E1%BB%83%22%7D}} nấm men, cũng như thiết kế bộ điều khiển quá trình phi tuyến trong công nghiệp hóa chất. Nắm bắt cơ chế phi tuyến giúp tối ưu hiệu suất, tránh dao động không mong muốn và khai thác các hiện tượng cường điệu để tạo ra sản phẩm có tính chất mong đợi.\u003C\u002Fp>\n\n\u003Ch2>Lịch sử và bối cảnh phát triển\u003C\u002Fh2>\n\u003Cp>Khởi nguồn nghiên cứu động học phi tuyến bắt đầu từ thập niên 1930 khi Boris Belousov quan sát dao động nồng độ ion kim loại trong phản ứng chuỗi, nhưng công trình chỉ được lan truyền rộng rãi sau khi Anatol Zhabotinsky tiếp tục thí nghiệm và công bố mô hình Belousov–Zhabotinsky (BZ). Phản ứng BZ trở thành ví dụ kinh điển cho hệ hóa học phi tuyến dao động.\u003C\u002Fp>\n\u003Cp>Trong thập niên 1950–1960, với sự phát triển của toán học phi tuyến, các khái niệm bifurcation (Andronov–Hopf, saddle-node), strange attractor (Lorenz) và chaos (Feigenbaum) được áp dụng để giải thích hiện tượng dao động tự phát và hỗn loạn trong hóa học, thời tiết và kỹ thuật.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>1937:\u003C\u002Fstrong> Belousov ghi nhận dao động nồng độ ion cerium trong phản ứng oxi hóa hữu cơ.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>1968:\u003C\u002Fstrong> Zhabotinsky công bố chuỗi phản ứng BZ và {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20to%C3%A1n%20h%E1%BB%8Dc%22%7D}} tương ứng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>1976:\u003C\u002Fstrong> Feigenbaum xác định tỉ số phổ biến trong bifurcation dẫn đến hỗn loạn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>1980s–1990s:\u003C\u002Fstrong> Mở rộng sang sinh học (mô hình Hodgkin–Huxley), sinh thái học (mô hình predator–prey) và kỹ thuật (bộ {{topic|%7B%22topic%22%3A%22%C4%91i%E1%BB%81u%20khi%E1%BB%83n%20phi%20tuy%E1%BA%BFn%22%7D}}).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Những tiến bộ trong công nghệ tính toán và hình ảnh hóa dữ liệu từ thập niên 1990 trở đi đã giúp các nhà khoa học khảo sát các hệ động học phi tuyến phức tạp, từ việc phát hiện attractor lạ của Lorenz đến việc mô phỏng quá trình hoạt hóa gene chùm trong tế bào.\u003C\u002Fp>\n\n\u003Ch2>Cơ sở lý thuyết\u003C\u002Fh2>\n\u003Cp>Cơ sở lý thuyết của động học phi tuyến dựa trên các khái niệm trong lý thuyết hệ động, bao gồm điểm cân bằng (equilibrium), {{topic|%7B%22topic%22%3A%22dao%20%C4%91%E1%BB%99ng%20%C4%91i%E1%BB%81u%20h%C3%B2a%22%7D}} và không điều hòa, bifurcation và attractor. Điểm cân bằng là nghiệm của hệ f(x)=0; bifurcation xảy ra khi thay đổi tham số μ khiến số hoặc tính chất của điểm cân bằng chuyển biến.\u003C\u002Fp>\n\u003Cp>Attractor là tập hợp các nghiệm hoặc quỹ đạo mà hệ hội tụ sau một thời gian dài; có thể là điểm cố định, vòng tuần hoàn (limit cycle) hoặc attractor lạ (strange attractor) với cấu trúc fractal. Khái niệm Lyapunov exponent đo độ nhạy cảm với {{topic|%7B%22topic%22%3A%22%C4%91i%E1%BB%81u%20ki%E1%BB%87n%20ban%20%C4%91%E1%BA%A7u%22%7D}}, phản ánh hỗn loạn khi exponent dương.\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Khái niệm\u003C\u002Fth>\u003Cth>Định nghĩa\u003C\u002Fth>\u003Cth>Ý nghĩa\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Điểm cân bằng\u003C\u002Ftd>\u003Ctd>f(x*)=0\u003C\u002Ftd>\u003Ctd>Trạng thái tĩnh hoặc bền\u002Fkhông bền\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Bifurcation\u003C\u002Ftd>\u003Ctd>Thay đổi số hoặc loại nghiệm khi μ thay đổi\u003C\u002Ftd>\u003Ctd>Khởi đầu dao động\u002Fhỗn loạn\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Limit cycle\u003C\u002Ftd>\u003Ctd>Chu trình đóng thu hút\u003C\u002Ftd>\u003Ctd>Dao động ổn định\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Strange attractor\u003C\u002Ftd>\u003Ctd>Attractor fractal\u003C\u002Ftd>\u003Ctd>Hỗn loạn\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Lyapunov exponent\u003C\u002Ftd>\u003Ctd>Đo độ nhạy điều kiện đầu\u003C\u002Ftd>\u003Ctd>Phân biệt ổn định\u002Fhỗn loạn\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>Phương trình bifurcation thường gặp bao gồm logistic map (phân rã hỗn loạn qua dãy bifurcation), van der Pol oscillator và mô hình predator–prey Lotka–Volterra mở rộng phi tuyến. Các phân tích local bifurcation (Andronov–Hopf) giúp xác định ngưỡng dao động tự phát.\u003C\u002Fp>\n\n\u003Ch2>Mô hình toán học\u003C\u002Fh2>\n\u003Cp>Hệ phương trình động học phi tuyến tổng quát được viết dưới dạng:\u003C\u002Fp>\n\u003Ccode>\\frac{d\\mathbf{x}}{dt} = \\mathbf{f}(\\mathbf{x},\\mu), \\quad \\mathbf{x}\\in \\mathbb{R}^n,\\,\\mu\\in\\mathbb{R}\u003C\u002Fcode>\n\u003Cp>Trong đó f chứa các thành phần phi tuyến như x\u003Csub>i\u003C\u002Fsub>x\u003Csub>j\u003C\u002Fsub>, x\u003Csub>i\u003C\u002Fsub>\u003Csup>m\u003C\u002Fsup>, hoặc hàm logistic. Ví dụ điển hình:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Logistic map:\u003C\u002Fstrong> x\u003Csub>n+1\u003C\u002Fsub>=r x\u003Csub>n\u003C\u002Fsub>(1−x\u003Csub>n\u003C\u002Fsub>).\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Van der Pol oscillator:\u003C\u002Fstrong> d\u003Csup>2\u003C\u002Fsup>x\u002Fdt\u003Csup>2\u003C\u002Fsup>−μ(1−x\u003Csup>2\u003C\u002Fsup>)dx\u002Fdt+x=0.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Lotka–Volterra phi tuyến:\u003C\u002Fstrong> dx\u002Fdt=αx−βxy−γx\u003Csup>2\u003C\u002Fsup>, dy\u002Fdt=δxy−εy.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Giải tích lý thường áp dụng phương pháp tuyến tính hóa quanh điểm cân bằng (Jacobian matrix) để xác định tính ổn định, trong khi giải số sử dụng các thuật toán Runge–Kutta bậc cao, phương pháp phần tử hữu hạn hoặc solver chuyên biệt cho stiff system khi hệ có tốc độ thay đổi rất khác nhau.\u003C\u002Fp>\u003Ch2>Phương pháp giải và phân tích\u003C\u002Fh2>\n\u003Cp>Phân tích ổn định local bắt đầu bằng tuyến tính hóa hệ quanh điểm cân bằng x* bằng ma trận Jacobian:\u003C\u002Fp>\n\u003Ccode>J_{ij} = \\frac{\\partial f_i}{\\partial x_j}\\bigg|_{x^*}\u003C\u002Fcode>\n\u003Cp>Eigenvalues của J quyết định tính chất điểm cân bằng: Re(λ)<0 cho điểm thu hút, Re(λ)>0 cho điểm tách hút và Re(λ)=0 gợi bifurcation.\u003C\u002Fp>\n\u003Cp>Phân tích bifurcation sơ cấp, như saddle-node, transcritical, pitchfork và Hopf, giúp dự báo sự xuất hiện dao động (limit cycle) hoặc mất ổn định (chaos) khi tham số μ thay đổi (Andronov–Hopf bifurcation) .\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Sơ đồ bifurcation:\u003C\u002Fstrong> vẽ giá trị x* hoặc biên độ dao động theo μ để xác định ngưỡng thay đổi chất lượng động lực.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Lyapunov exponent:\u003C\u002Fstrong> đo tốc độ phân kỳ của hai quỹ đạo gần nhau; λ\u003Csub>max\u003C\u002Fsub>>0 báo hiệu hỗn loạn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Attractor reconstruction:\u003C\u002Fstrong> sử dụng phương pháp Takens embedding để tái cấu trúc attractor từ dữ liệu thời gian thực (time series).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng trong hóa học và sinh học\u003C\u002Fh2>\n\u003Cp>Phản ứng Belousov–Zhabotinsky (BZ) là ví dụ cơ bản cho dao động hóa học, sử dụng hệ phản ứng bromat–malonic acid trên xúc tác kim loại chuyển màu đỏ–xanh tuần hoàn . Mô hình Oregonator gồm ba ẩn số mô tả sự biến thiên nồng độ HBrO\u003Csub>2\u003C\u002Fsub>, Br\u003Csup>–\u003C\u002Fsup> và các loại acid hữu cơ.\u003C\u002Fp>\n\u003Cp>Trong {{topic|%7B%22topic%22%3A%22sinh%20h%E1%BB%8Dc%20ph%C3%A2n%20t%E1%BB%AD%22%7D}}, mạng lưới điều hòa gene như mô hình Goodwin và Repressilator thể hiện dao động phi tuyến trong biểu hiện gene, tạo nên chu kỳ sinh học, hoạt động tín hiệu nội bào và phân tử điều hòa tế bào .\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Oregonator:\u003C\u002Fstrong> dx\u002Fdt = k\u003Csub>1\u003C\u002Fsub>y – k\u003Csub>2\u003C\u002Fsub>xy + k\u003Csub>3\u003C\u002Fsub>x(1−x), mô tả dao động BZ.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Hodgkin–Huxley:\u003C\u002Fstrong> mô hình neuron với bốn {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20phi%20tuy%E1%BA%BFn%22%7D}} điều khiển điện thế màng và ion channel.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Repressilator:\u003C\u002Fstrong> mạch gene nhân tạo 3 nút ức chế lẫn nhau, tạo dao động biểu hiện protein.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng trong vật lý và kỹ thuật\u003C\u002Fh2>\n\u003Cp>Quá trình hấp phụ phi tuyến trong vật liệu xốp, như mô hình Freundlich: q = K·C\u003Csup>1\u002Fn\u003C\u002Fsup>, không tuân theo Langmuir tuyến tính, ảnh hưởng thiết kế cột hấp phụ và dự báo hiệu suất xử lý ô nhiễm môi trường .\u003C\u002Fp>\n\u003Cp>Trong kỹ thuật luồng khí–chất lỏng, phương trình Navier–Stokes phi tuyến điều khiển {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99ng%20l%E1%BB%B1c%20h%E1%BB%8Dc%22%7D}} sóng và phân tán, mô tả hiện tượng tụt áp, hình thành vortex và sốc dòng chảy, đặc biệt tại lưu lượng Reynolds cao.\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Ứng dụng\u003C\u002Fth>\u003Cth>Mô hình phi tuyến\u003C\u002Fth>\u003Cth>Ý nghĩa\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>Hấp phụ môi trường\u003C\u002Ftd>\u003Ctd>Freundlich isotherm\u003C\u002Ftd>\u003Ctd>Dự báo hiệu suất hấp phụ\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Điều khiển tự động\u003C\u002Ftd>\u003Ctd>PID phi tuyến\u003C\u002Ftd>\u003Ctd>Ổn định hệ nhiệt độ và áp suất\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>Chất lưu động học\u003C\u002Ftd>\u003Ctd>Navier–Stokes\u003C\u002Ftd>\u003Ctd>Mô phỏng vortex và sốc\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Thách thức và giới hạn\u003C\u002Fh2>\n\u003Cp>Định giá tham số phi tuyến thường đòi hỏi dữ liệu thực nghiệm chất lượng cao và phương pháp tối ưu hóa phi tuyến phức tạp, dễ rơi vào cực tiểu địa phương. Ngoài ra, độ nhạy với nhiễu (noise) và sai số đo có thể làm sai lệch bifurcation diagram và các chỉ số ổn định.\u003C\u002Fp>\n\u003Cp>Giải hệ stiff cũng là thách thức do sự chênh lệch lớn tốc độ thay đổi giữa các thành phần; cần sử dụng solver chuyên dụng như implicit Runge–Kutta hoặc BDF để đảm bảo độ chính xác và ổn định số học trong thời gian dài.\u003C\u002Fp>\n\n\u003Ch2>Xu hướng nghiên cứu tương lai\u003C\u002Fh2>\n\u003Cp>Kết hợp học máy với {{topic|%7B%22topic%22%3A%22t%E1%BB%91i%20%C6%B0u%20h%C3%B3a%20phi%20tuy%E1%BA%BFn%22%7D}} (machine learning–augmented model) giúp ước lượng tham số nhanh và chính xác hơn, tự động phát hiện bifurcation và chaos từ dữ liệu time series lớn trong thực nghiệm.\u003C\u002Fp>\n\u003Cp>Mô hình đa quy mô (multiscale modeling) kết hợp động học phân tử (MD) và động học phi tuyến macroscale cho phép khảo sát tương tác từ cấp phân tử đến cấp thiết bị, đặc biệt trong thiết kế xúc tác và vật liệu mới.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>AI-driven bifurcation detection:\u003C\u002Fstrong> phát hiện ngưỡng dao động tự động từ dữ liệu thực.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Multiscale coupling:\u003C\u002Fstrong> tích hợp MD và ODE\u002FPDE phi tuyến cho thiết kế vật liệu.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Quantum-inspired algorithms:\u003C\u002Fstrong> sử dụng thuật toán lượng tử để giải hệ stiff nhanh hơn.\u003C\u002Fli>\n\u003C\u002Ful>","nonlinear dynamics",[41,42,43],"động lực học phi tuyến","chaos theory","lý thuyết hỗn loạn","Động học phi tuyến (Nonlinear Dynamics) là một nhánh của vật lý toán học nghiên cứu hành vi của các hệ động lực mà sự thay đổi của đầu ra không tỷ lệ thuận với đầu vào, làm xuất hiện các hiện tượng phức tạp như phân nhánh (bifurcation), hỗn loạn (chaos) và fractal.","NATURAL_SCIENCES",[47,55],{"citationText":48,"title":49,"authors":50,"source":51,"year":52,"doi":53,"url":54},"Strogatz, S. H. (2018). Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry, and Engineering (2nd ed.). CRC Press.","Nonlinear Dynamics and Chaos","Strogatz","CRC Press",2018,"10.1201\u002F9780429492563","https:\u002F\u002Fdoi.org\u002F10.1201\u002F9780429492563",{"citationText":56,"title":57,"authors":58,"source":59,"year":60,"doi":61,"url":62},"Lorenz, E. N. (1963). Deterministic nonperiodic flow. Journal of the Atmospheric Sciences, 20(2), 130–141.","Deterministic nonperiodic flow","Lorenz","Journal of the Atmospheric Sciences",1963,"10.1175\u002F1520-0469(1963)020\u003C0130:DNF>2.0.CO;2","https:\u002F\u002Fdoi.org\u002F10.1175\u002F1520-0469(1963)020\u003C0130:DNF>2.0.CO;2",[64,67,70],{"question":65,"answer":66},"Đặc trưng của hiện tượng hỗn loạn tất định (Deterministic Chaos) là gì?","Hệ thống tuân theo các định luật xác định nhưng cực kỳ nhạy cảm với điều kiện ban đầu ('hiệu ứng cánh bướm'), khiến hành vi dài hạn không thể dự báo chính xác.",{"question":68,"answer":69},"Điểm hút lạ (Strange Attractor) trong không gian pha là gì?","Là một tập hợp hình học fractal trong không gian pha mà các quỹ đạo của hệ hỗn loạn bị thu hút về đó nhưng không bao giờ cắt nhau hay lặp lại tuần hoàn (như điểm hút Lorenz).",{"question":71,"answer":72},"Động học phi tuyến được ứng dụng trong những ngành khoa học nào?","Khí tượng thủy văn (dự báo thời tiết), động học quần thể sinh thái, sinh lý tim mạch (rối loạn nhịp tim), kinh tế tài chính và cơ học lượng tử.",{"id":74,"researcherId":12,"name":75,"imageUrl":76},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":15,"researcherId":12,"name":78,"imageUrl":79},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[81,82,83,84,85,86,87,88,89,90],"hệ phương trình vi phân","động lực quần thể","mô hình toán học","điều khiển phi tuyến","dao động điều hòa","điều kiện ban đầu","sinh học phân tử","phương trình phi tuyến","động lực học","tối ưu hóa phi tuyến",10,"PUBLISHED","2025-06-19T08:17:08.835+00:00","2026-09-07T12:11:24.424+00:00","2025-06-29T06:50:00.386+00:00","2026-09-07T12:11:24.114+00:00","2026-09-06T10:13:25.441+00:00",375,[100,103,106,109,112,115,118,121,124,127],{"id":101,"title":102,"term":101,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"năng lực mô hình hóa toán học","Năng lực mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":104,"title":105,"term":104,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":107,"title":108,"term":107,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"khối lượng phân tử","Khối lượng phân tử là gì? Các công bố khoa học về Khối lượng phân tử",{"id":110,"title":111,"term":110,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"số reynolds","Số reynolds là gì? Các nghiên cứu khoa học về Số reynolds",{"id":113,"title":114,"term":113,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"điều khiển trượt","Điều khiển trượt là gì? Các nghiên cứu khoa học về Điều khiển trượt",{"id":116,"title":117,"term":116,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"chuột cống trắng","Chuột cống trắng là gì? Các công bố khoa học về Chuột cống trắng",{"id":119,"title":120,"term":119,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"saccharomyces cerevisiae","Saccharomyces cerevisiae là gì? Các công bố khoa học về Saccharomyces cerevisiae",{"id":122,"title":123,"term":122,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":125,"title":126,"term":125,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"vector chuyển gen","Vector chuyển gen là gì? Các nghiên cứu khoa học liên quan",{"id":128,"title":129,"term":128,"englishTitle":12,"definition":12,"discipline":12,"disciplineCode":12,"disciplineLabel":12,"disciplineColor":12,"disciplineIcon":12},"phương trình chuyển động","Phương trình chuyển động là gì? Các bài nghiên cứu khoa học"]