[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_bi%E1%BB%83u%20di%E1%BB%85n%20s%E1%BB%91{\"limit\":5}":3,"_public_topic_byId_bi%E1%BB%83u%20di%E1%BB%85n%20s%E1%BB%91":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":22,"discipline":23,"references":24,"faqs":56,"createUser":66,"publishUser":70,"keywords":71,"keywordCount":67,"enrichTopicLink":72,"status":73,"createTime":74,"updateTime":75,"publishTime":76,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":77,"wikidataId":10,"relateTopics":78},"biểu diễn số","Biểu diễn số (number representation) là gì?","Biểu diễn số là phương thức mã hóa các giá trị số học toán học thành chuỗi ký hiệu hoặc tín hiệu số nhị phân trong kiến trúc máy tính.","\u003Cp>Biểu diễn số (number representation) là phương thức mã hóa các giá trị số học toán học thành chuỗi ký hiệu hoặc tín hiệu số nhị phân trong kiến trúc máy tính, cho phép hệ thống phần cứng lưu trữ và thực thi các phép tính số học. Đây là nền tảng cốt lõi của khoa học máy tính và kỹ thuật máy tính, quyết định trực tiếp đến độ chính xác số học, dải biểu diễn động, độ phức tạp của vi mạch bán dẫn và hiệu năng xử lý của bộ vi xử lý. Bài viết phân tích cơ sở toán học của các hệ đếm, các phương thức mã hóa số nguyên và số thực, chuẩn hóa công nghiệp, hệ thống số chuyên dụng cùng các thách thức sai số trong kiến trúc tính toán hiện đại.\u003C\u002Fp>\n\n\u003Ch2>Bản chất toán học và nguyên lý mã hóa số học\u003C\u002Fh2>\n\n\u003Cp>Trong toán học thuần túy, các tập hợp số học chứa vô hạn phần tử, trong đó từ các phần tử rời rạc như số nguyên đến trường số thực liên tục. Ngược lại, phần cứng điện tử số chỉ có thể lưu trữ và xử lý các trạng thái điện áp rời rạc hữu hạn thông qua các phần tử nhớ nhị phân. Do đó, biểu diễn số là quá trình ánh xạ một tập hợp số học toán học vào một không gian trạng thái nhị phân có giới hạn dung lượng.\u003C\u002Fp>\n\n\u003Cp>Nguyên lý cơ bản của biểu diễn số dựa trên hệ đếm vị trí cơ số. Trong hệ đếm cơ số bất kỳ, giá trị của một chữ số phụ thuộc vào cả ký hiệu của nó và vị trí của nó trong chuỗi số học. Đối với máy tính số, cơ số hai được lựa chọn làm nền tảng vật lý nhờ tính ổn định của các mạch chuyển mạch bán dẫn hai trạng thái đóng mở.\u003C\u002Fp>\n\n\u003Cp>Mỗi phương thức biểu diễn số là một bản thiết kế đánh đổi kỹ thuật giữa bốn yếu tố ràng buộc:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Dải biểu diễn:\u003C\u002Fstrong> Khoảng cách giữa giá trị nhỏ nhất và giá trị lớn nhất mà một từ mã nhị phân có thể thể hiện được.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ chính xác và độ phân giải:\u003C\u002Fstrong> Khoảng cách nhỏ nhất giữa hai giá trị số học kế tiếp nhau trong không gian biểu diễn, quyết định mức độ chi tiết của phép xấp xỉ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ phức tạp phần cứng:\u003C\u002Fstrong> Kích thước diện tích mạch logic, số lượng cổng bán dẫn và số chu kỳ xung nhịp cần thiết để thiết kế các khối làm tính số học như bộ cộng, bộ nhân và bộ chia.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Độ trễ truyền cờ nhớ:\u003C\u002Fstrong> Thời gian cần thiết để tín hiệu nhớ lan truyền từ bit có trọng số thấp nhất đến bit có trọng số cao nhất trong các phép tính toán số học nối tiếp.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Biểu diễn số nguyên trong kiến trúc phần cứng\u003C\u002Fh2>\n\n\u003Cp>Biểu diễn số nguyên là tầng cơ bản nhất trong thiết kế vi xử lý, phục vụ các thao tác định địa chỉ bộ nhớ, biến đếm vòng lặp và tính toán số học rời rạc.\u003C\u002Fp>\n\n\u003Ch3>Số nguyên không dấu\u003C\u002Fh3>\n\n\u003Cp>Số nguyên không dấu ánh xạ trực tiếp một từ mã nhị phân gồm các bit sang tập hợp số tự nhiên. Giá trị được xác định bằng tổng trọng số lũy thừa cơ số hai của các vị trí bit mang giá trị một. Định dạng này tận dụng tối đa không gian trạng thái cho các đại lượng luôn dương, nhưng không thể biểu diễn trực tiếp các giá trị số âm.\u003C\u002Fp>\n\n\u003Ch3>Số nguyên có dấu theo mã bù hai\u003C\u002Fh3>\n\n\u003Cp>Để biểu diễn số nguyên có dấu, kiến trúc máy tính hiện đại sử dụng gần như tuyệt đối mã bù hai (two's complement). Trong biểu diễn bù hai, bit có trọng số cao nhất được gán trọng số âm, trong khi toàn bộ các bit còn lại vẫn giữ trọng số dương thông thường.\u003C\u002Fp>\n\n\u003Cp>Biểu thức toán học xác định giá trị của một từ mã bù hai có độ dài bit xác định được thiết lập như sau:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">V = -b_{n-1} 2^{n-1} + \\sum_{i=0}^{n-2} b_i 2^i\u003C\u002Fscript>\n\n\u003Cp>Trong phương trình trên, \u003Cscript type=\"math\u002Ftex\">V\u003C\u002Fscript> là giá trị số nguyên giải mã được, \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> là tổng số bit của từ mã nhị phân, \u003Cscript type=\"math\u002Ftex\">b_{n-1}\u003C\u002Fscript> là giá trị của bit dấu ở vị trí cao nhất, và \u003Cscript type=\"math\u002Ftex\">b_i\u003C\u002Fscript> là giá trị của bit tại vị trí thứ \u003Cscript type=\"math\u002Ftex\">i\u003C\u002Fscript> nhận giá trị không hoặc một.\u003C\u002Fp>\n\n\u003Cp>Ưu thế vượt trội của mã bù hai so với mã dấu độ lớn hoặc mã bù một thể hiện ở hai khía cạnh công nghệ:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Đơn nhất số không:\u003C\u002Fstrong> Mã bù hai chỉ có một biểu diễn duy nhất cho số không, loại bỏ hiện tượng tồn tại đồng thời số không dương và số không âm gây lãng phí trạng thái và phức tạp hóa mạch so sánh.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Mạch cộng thống nhất:\u003C\u002Fstrong> Phép trừ số học được chuyển đổi trực tiếp thành phép cộng với số bù hai đảo dấu, cho phép bộ xử lý thực hiện cả phép cộng và phép trừ trên cùng một mạch cộng số học duy nhất mà không cần thiết kế khối trừ riêng biệt.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Biểu diễn số thực và chuẩn hóa IEEE 754\u003C\u002Fh2>\n\n\u003Cp>Để biểu diễn các đại lượng số học có phần thập phân hoặc các đại lượng có độ lớn biến thiên từ vô cùng nhỏ đến vô cùng lớn trong tính toán khoa học, các kỹ sư phát triển hai phương thức chính là dấu phẩy tĩnh và dấu phẩy động.\u003C\u002Fp>\n\n\u003Ch3>Biểu diễn dấu phẩy tĩnh\u003C\u002Fh3>\n\n\u003Cp>Biểu diễn dấu phẩy tĩnh cố định một số lượng bit nhất định cho phần nguyên và một số lượng bit cố định cho phần phân số sau dấu phẩy nhị phân. Mặc dù cấu trúc này cho phép tái sử dụng các mạch cộng số nguyên với tốc độ tính toán cao, nhược điểm chí mạng của nó là dải biểu diễn rất hẹp, dễ dẫn đến hiện tượng tràn số khi tính toán các phương trình vi phân hoặc mô phỏng vật lý đa quy mô.\u003C\u002Fp>\n\n\u003Ch3>Chuẩn dấu phẩy động IEEE 754\u003C\u002Fh3>\n\n\u003Cp>Nhằm giải quyết triệt để sự phân mảnh giữa các nhà sản xuất máy tính và đảm bảo tính tái lập của các thuật toán số học, tổ chức IEEE đã ban hành chuẩn dấu phẩy động IEEE 754. Nghiên cứu tổng quan của Boldo và cộng sự công bố năm 2023 trên tạp chí Acta Numerica khẳng định rằng số học dấu phẩy động là phương thức phổ biến nhất để xấp xỉ số thực trên các máy tính số hiện đại.\u003C\u002Fp>\n\n\u003Cp>Theo chuẩn IEEE 754, một số dấu phẩy động chuẩn tắc được phân tách thành ba trường dữ liệu độc lập: bit dấu, trường số mũ có độ lệch và trường định trị. Giá trị số học của từ mã được giải mã theo công thức:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">V = (-1)^s \\cdot \\left(1 + \\sum_{i=1}^p b_{-i} 2^{-i}\\right) \\cdot 2^{e - B}\u003C\u002Fscript>\n\n\u003Cp>Trong công thức trên, \u003Cscript type=\"math\u002Ftex\">V\u003C\u002Fscript> là giá trị số thực giải mã, \u003Cscript type=\"math\u002Ftex\">s\u003C\u002Fscript> là bit dấu nhận giá trị không đối với số dương hoặc một đối với số âm, đại lượng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> là số lượng bit phân số của trường định trị, \u003Cscript type=\"math\u002Ftex\">b_{-i}\u003C\u002Fscript> là giá trị bit phân số tại vị trí thứ \u003Cscript type=\"math\u002Ftex\">i\u003C\u002Fscript>, \u003Cscript type=\"math\u002Ftex\">e\u003C\u002Fscript> là giá trị nguyên của trường số mũ không dấu, và \u003Cscript type=\"math\u002Ftex\">B\u003C\u002Fscript> là hằng số độ lệch số mũ được xác định trước theo quy chuẩn.\u003C\u002Fp>\n\n\u003Cp>Phiên bản chuẩn IEEE 754 công bố năm 2019 tiếp tục củng cố và định nghĩa các định dạng nhị phân chuẩn hóa phục vụ tính toán kỹ thuật (gồm các định dạng cơ sở và định dạng trao đổi):\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Định dạng trao đổi nửa độ chính xác:\u003C\u002Fstrong> Sử dụng từ mã độ dài 16 bit, được ứng dụng rộng rãi trong các bộ tăng tốc tính toán đồ họa và mạng thần kinh nhân tạo nhờ khả năng giảm băng thông bộ nhớ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Định dạng cơ sở độ chính xác đơn:\u003C\u002Fstrong> Sử dụng từ mã độ dài 32 bit, cân bằng giữa dải biểu diễn động và tài nguyên bộ nhớ trong các ứng dụng kỹ thuật tổng quát.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Định dạng cơ sở độ chính xác kép:\u003C\u002Fstrong> Sử dụng từ mã độ dài 64 bit, tiêu chuẩn vàng cho các phép mô phỏng khoa học, dự báo thời tiết và cơ học thiên thể đòi hỏi sai số làm tròn tối thiểu.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Các hệ thống biểu diễn số thay thế và chuyên dụng\u003C\u002Fh2>\n\n\u003Cp>Mặc dù chuẩn IEEE 754 chiếm ưu thế áp đảo, những hạn chế về lãng phí bit trạng thái không hợp lệ và độ phức tạp phần xử lý số phi chuẩn đã thúc đẩy các nhà nghiên cứu phát triển các hệ thống biểu diễn số thay thế.\u003C\u002Fp>\n\n\u003Ch3>Hệ thống số Posit\u003C\u002Fh3>\n\n\u003Cp>Hệ thống số posit được đề xuất nhằm tối ưu hóa lượng thông tin biểu diễn trên mỗi bit nhị phân. Điểm đặc trưng của định dạng posit là trường độ lớn biến thiên linh hoạt, cho phép tự động điều chỉnh tỷ lệ giữa số lượng bit dành cho số mũ và số lượng bit dành cho phần định trị tùy thuộc vào độ lớn của giá trị cần biểu diễn. Nhờ cơ chế này, định dạng posit cung cấp độ phân giải cực cao xung quanh giá trị đơn vị.\u003C\u002Fp>\n\n\u003Cp>Tuy nhiên, sự linh hoạt của định dạng posit phải đánh đổi bằng chi phí phần cứng. Nghiên cứu thực nghiệm của Uguen và cộng sự công bố năm 2019 tại hội nghị FPL trên vi mạch khả trình đã chứng minh rằng các bộ cộng và bộ nhân định dạng posit 32 bit đòi hỏi diện tích phần cứng và độ trễ lớn hơn đáng kể so với các mạch xử lý dấu phẩy động IEEE 754 tương đương, do sự xuất hiện của các mạch dịch bit biến vị trí phức tạp.\u003C\u002Fp>\n\n\u003Ch3>Hệ thống số thặng dư\u003C\u002Fh3>\n\n\u003Cp>Hệ thống số thặng dư (residue number system) biểu diễn một số nguyên thông qua tập hợp các số dư của nó đối với một cơ sở gồm các số nguyên tố cùng nhau. Ưu điểm cốt lõi của hệ thống số thặng dư là triệt tiêu hoàn toàn sự lan truyền cờ nhớ giữa các kênh số dư trong các phép tính cộng, trừ và nhân số học, cho phép các kênh tính toán độc lập song song ở tốc độ xung nhịp cực cao.\u003C\u002Fp>\n\n\u003Cp>Nghiên cứu của Valueva và cộng sự công bố năm 2020 trên tạp chí Mathematics and Computers in Simulation đã áp dụng hệ thống số thặng dư vào phần cứng mạng nơ ron tích chập. Kết quả thực nghiệm của nhóm nghiên cứu chứng minh rằng việc khai thác tính toán không cờ nhớ của hệ thống số thặng dư giúp giảm chi phí tài nguyên phần cứng từ 7.86% đến 37.78% so với mạch logic số bù hai truyền thống, đồng thời rút ngắn thời gian thực thi nhận dạng mẫu.\u003C\u002Fp>\n\n\u003Ch2>Bảng đối chiếu các phương thức biểu diễn số\u003C\u002Fh2>\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Phương thức biểu diễn\u003C\u002Fth>\n\u003Cth>Dải giá trị biểu diễn\u003C\u002Fth>\n\u003Cth>Đặc tính độ phân giải\u003C\u002Fth>\n\u003Cth>Độ phức tạp vi mạch\u003C\u002Fth>\n\u003Cth>Lĩnh vực ứng dụng chủ đạo\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>Số nguyên không dấu\u003C\u002Ftd>\n\u003Ctd>Chỉ biểu diễn các giá trị không âm\u003C\u002Ftd>\n\u003Ctd>Độ phân giải cố định tuyệt đối bằng một đơn vị\u003C\u002Ftd>\n\u003Ctd>Mạch số học tối giản nhất\u003C\u002Ftd>\n\u003Ctd>Định địa chỉ ô nhớ và quản trị bộ đếm\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Số nguyên bù hai\u003C\u002Ftd>\n\u003Ctd>Đối xứng quanh số không với một giá trị âm phụ\u003C\u002Ftd>\n\u003Ctd>Độ phân giải cố định tuyệt đối bằng một đơn vị\u003C\u002Ftd>\n\u003Ctd>Tích hợp mạch cộng trừ thống nhất tốc độ cao\u003C\u002Ftd>\n\u003Ctd>Tính toán số học tổng quát trong hệ điều hành\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Dấu phẩy tĩnh\u003C\u002Ftd>\n\u003Ctd>Dải biểu diễn bị chặn hẹp bởi điểm đặt dấu cố định\u003C\u002Ftd>\n\u003Ctd>Độ phân giải cố định trong toàn bộ dải biểu diễn\u003C\u002Ftd>\n\u003Ctd>Thấp, tương đương mạch số nguyên\u003C\u002Ftd>\n\u003Ctd>Bộ xử lý tín hiệu số và hệ thống nhúng chi phí thấp\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Dấu phẩy động IEEE 754\u003C\u002Ftd>\n\u003Ctd>Dải động cực rộng nhờ trường số mũ rời rạc\u003C\u002Ftd>\n\u003Ctd>Độ phân giải thay đổi tỷ lệ thuận với độ lớn giá trị\u003C\u002Ftd>\n\u003Ctd>Cao, cần mạch chuẩn hóa và dịch số mũ\u003C\u002Ftd>\n\u003Ctd>Tính toán khoa học kỹ thuật và đồ họa không gian\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Số thặng dư\u003C\u002Ftd>\n\u003Ctd>Bị chặn bởi tích các mô đun cơ sở nguyên tố\u003C\u002Ftd>\n\u003Ctd>Rời rạc số nguyên không thứ tự trực tiếp\u003C\u002Ftd>\n\u003Ctd>Rất thấp cho cộng nhân, rất cao cho so sánh chia\u003C\u002Ftd>\n\u003Ctd>Mạng thần kinh nhân tạo và mã hóa mật mã học\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Sai số số học, lan truyền lỗi và ranh giới tính toán\u003C\u002Fh2>\n\n\u003Cp>Mọi phương thức biểu diễn số thực trên nền tảng phần cứng hữu hạn đều phải đối mặt với hiện tượng mất mát thông tin do giới hạn độ chính xác.\u003C\u002Fp>\n\n\u003Ch3>Sai số làm tròn và suy giảm độ chính xác\u003C\u002Fh3>\n\n\u003Cp>Khi kết quả của một phép tính toán số học không thể biểu diễn chính xác bằng số lượng bit khả dụng của trường định trị, phần cứng buộc phải áp dụng các quy tắc làm tròn (như làm tròn về giá trị gần nhất, làm tròn về không, hoặc làm tròn về vô cùng). Tích lũy sai số làm tròn qua hàng triệu bước lặp trong các thuật toán giải số phương trình vi phân có thể làm sai lệch hoàn toàn nghiệm hội tụ của mô hình.\u003C\u002Fp>\n\n\u003Ch3>Hiện tượng triệt tiêu thảm họa\u003C\u002Fh3>\n\n\u003Cp>Hiện tượng triệt tiêu thảm họa xảy ra khi thực hiện phép trừ giữa hai số dấu phẩy động có giá trị xấp xỉ bằng nhau. Khi đó, các chữ số có nghĩa quan trọng ở phần đầu bị triệt tiêu hoàn toàn, để lại kết quả bị chi phối bởi các bit nhiễu làm tròn ở cuối từ mã. Điều này làm mất đi gần như toàn bộ độ chính xác có nghĩa ban đầu của dữ liệu.\u003C\u002Fp>\n\n\u003Ch3>Tràn số và dưới ngưỡng biểu diễn\u003C\u002Fh3>\n\n\u003Cp>Tràn số xuất hiện khi giá trị tính toán vượt quá giới hạn biểu diễn lớn nhất của hệ thống, dẫn đến hiện tượng quay vòng giá trị âm trong số nguyên bù hai hoặc tạo ra giá trị vô cùng trong chuẩn IEEE 754. Ngược lại, hiện tượng dưới ngưỡng biểu diễn xảy ra khi số có độ lớn nhỏ hơn giá trị khác không nhỏ nhất có thể biểu diễn chuẩn tắc, buộc hệ thống phải chuyển sang chế độ số phi chuẩn với độ phân giải suy giảm dần.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tiễn và xu hướng phát triển phần cứng\u003C\u002Fh2>\n\n\u003Cp>Trong kỷ nguyên bùng nổ của trí tuệ nhân tạo và xử lý dữ liệu lớn, bài toán biểu diễn số học đang trải qua sự chuyển dịch mạnh mẽ từ độ chính xác cao sang tính toán thích ứng linh hoạt.\u003C\u002Fp>\n\n\u003Ch3>Tính toán độ chính xác thấp trong trí tuệ nhân tạo\u003C\u002Fh3>\n\n\u003Cp>Các mô hình học sâu hiện đại cho thấy khả năng chống chịu nhiễu số học rất cao. Thay vì sử dụng chuẩn 32 bit hoặc 64 bit truyền thống, các bộ xử lý chuyên dụng chuyển đổi sang các định dạng số thực 16 bit hoặc thậm chí 8 bit. Việc thu hẹp độ rộng từ mã giúp cắt giảm một nửa băng thông bộ nhớ và năng lượng tiêu thụ trên mỗi phép tính, thúc đẩy tốc độ xử lý mạng nơ ron tăng lên gấp bội.\u003C\u002Fp>\n\n\u003Cp>Sự kết hợp giữa chuẩn công nghiệp IEEE 754 và các định dạng số thặng dư chuyên dụng mở ra hướng đi mới cho các kiến trúc phần cứng lai, nơi các phép tính tích chập ma trận lớn được thực thi trên miền số học không cờ nhớ trước khi chuyển đổi ngược về dạng số chuẩn tắc để hiển thị và lưu trữ.\u003C\u002Fp>\n","Biểu diễn số","number representation",[20,21],"biểu diễn số học","định dạng số nhị phân","Biểu diễn số là phương thức mã hóa các giá trị số học toán học thành chuỗi ký hiệu hoặc tín hiệu số nhị phân trong kiến trúc máy tính, cho phép hệ thống phần cứng lưu trữ và thực thi các phép tính số học.","ENGINEERING_TECHNOLOGY",[25,33,41,48],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":32},"IEEE (2019). IEEE Standard for Floating-Point Arithmetic. IEEE Std 754-2019, 1-84.","IEEE Standard for Floating-Point Arithmetic","IEEE","IEEE Std 754-2019",2019,"10.1109\u002Fieeestd.2019.8766229","https:\u002F\u002Fdoi.org\u002F10.1109\u002Fieeestd.2019.8766229",{"citationText":34,"title":35,"authors":36,"source":37,"year":38,"doi":39,"url":40},"Boldo, S., Jeannerod, C. P., Melquiond, G., & Muller, J. M. (2023). Floating-point arithmetic. Acta Numerica, 32, 203-290.","Floating-point arithmetic","Boldo, Jeannerod, Melquiond, Muller","Acta Numerica",2023,"10.1017\u002Fs0962492922000101","https:\u002F\u002Fdoi.org\u002F10.1017\u002Fs0962492922000101",{"citationText":42,"title":43,"authors":44,"source":45,"year":30,"doi":46,"url":47},"Uguen, Y., Forget, L., & de Dinechin, F. (2019). Evaluating the Hardware Cost of the Posit Number System. 2019 29th International Conference on Field Programmable Logic and Applications (FPL), 106-113.","Evaluating the Hardware Cost of the Posit Number System","Uguen, Forget, de Dinechin","2019 29th International Conference on Field Programmable Logic and Applications (FPL)","10.1109\u002Ffpl.2019.00026","https:\u002F\u002Fdoi.org\u002F10.1109\u002Ffpl.2019.00026",{"citationText":49,"title":50,"authors":51,"source":52,"year":53,"doi":54,"url":55},"Valueva, M. V., Nagornov, N. N., Lyakhov, P. A., Valuev, G. V., & Chervyakov, N. I. (2020). Application of the residue number system to reduce hardware costs of the convolutional neural network implementation. Mathematics and Computers in Simulation, 177, 232-243.","Application of the residue number system to reduce hardware costs of the convolutional neural network implementation","Valueva, Nagornov, Lyakhov, Valuev, Chervyakov","Mathematics and Computers in Simulation",2020,"10.1016\u002Fj.matcom.2020.04.031","https:\u002F\u002Fdoi.org\u002F10.1016\u002Fj.matcom.2020.04.031",[57,60,63],{"question":58,"answer":59},"Tại sao mã bù hai lại được dùng phổ biến để biểu diễn số nguyên có dấu?","Mã bù hai chỉ có một biểu diễn duy nhất cho số không và cho phép thực hiện cả phép cộng lẫn phép trừ trên cùng một mạch cộng số học duy nhất, giúp tối giản hóa đáng kể thiết kế vi mạch.",{"question":61,"answer":62},"Chuẩn IEEE 754 phân chia một số dấu phẩy động thành những thành phần nào?","Chuẩn IEEE 754 phân tách một số dấu phẩy động thành ba trường dữ liệu độc lập gồm bit dấu xác định dấu số học, trường số mũ có độ lệch xác định bậc độ lớn, và trường định trị xác định các chữ số có nghĩa.",{"question":64,"answer":65},"Hệ thống số thặng dư mang lại lợi ích gì so với biểu diễn số nhị phân truyền thống?","Hệ thống số thặng dư triệt tiêu hoàn toàn sự lan truyền cờ nhớ giữa các kênh số dư trong các phép tính cộng và nhân, hỗ trợ tính toán song song độc lập ở tần số xung nhịp cao và tiết kiệm tài nguyên phần cứng.",{"id":67,"researcherId":10,"name":68,"imageUrl":69},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":67,"researcherId":10,"name":68,"imageUrl":69},[13],false,"PUBLISHED","2025-12-01T11:21:02.493+00:00","2026-10-12T20:42:37.022+00:00","2026-10-12T20:42:36.983+00:00",0,[79,89,94,99,104,109,114,119,124,129],{"id":80,"title":81,"term":82,"englishTitle":83,"definition":84,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"thuật toán heuristic","Thuật toán heuristic là gì? Phân loại, nguyên lý và ứng dụng","Thuật toán heuristic","heuristic algorithm","Thuật toán heuristic (heuristic algorithm, hay phương pháp phỏng đoán) là kỹ thuật giải quyết bài toán được thiết kế nhằm tìm kiếm lời giải đủ tốt và chấp nhận được trong khoảng thời gian tính toán thực tế cho các bài toán tối ưu hóa phức tạp, đánh đổi tính tối ưu tuyệt đối để lấy tốc độ thực thi.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":90,"title":91,"term":90,"englishTitle":92,"definition":93,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"hỏa hoạn","Hỏa hoạn là gì? Các bài báo nghiên cứu khoa học liên quan","fire","Hỏa hoạn là sự cố cháy lớn ngoài tầm kiểm soát do phản ứng hóa học tỏa nhiệt nhanh giữa chất cháy và chất oxy hóa (thường là oxy trong không khí), gây thiệt hại nghiêm trọng về người, tài sản và môi trường.",{"id":95,"title":96,"term":95,"englishTitle":97,"definition":98,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"hệ thống hỗ trợ quyết định","Hệ thống hỗ trợ quyết định là gì? Các nghiên cứu khoa học","decision support system","Hệ thống hỗ trợ quyết định (Decision Support System - DSS) là hệ thống thông tin tích hợp dữ liệu, mô hình phân tích và giao diện tương tác nhằm hỗ trợ con người giải quyết các bài toán ra quyết định phức tạp và bán cấu trúc.",{"id":100,"title":101,"term":100,"englishTitle":102,"definition":103,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"tổn thất công suất","Tổn thất công suất là gì? Nguyên nhân, công thức và giải pháp","power loss","Tổn thất công suất là hiện tượng tiêu hao năng lượng điện dưới dạng nhiệt hoặc từ trường trong các phần tử của hệ thống điện như dây dẫn, máy biến áp và thiết bị truyền tải trong quá trình vận hành.",{"id":105,"title":106,"term":105,"englishTitle":107,"definition":108,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"khí động học","Khí động học: Khái niệm, nguyên lý và ứng dụng","Aerodynamics","Khí động học là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực engineering technology, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":110,"title":111,"term":110,"englishTitle":112,"definition":113,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"trao đổi nhiệt","Trao đổi nhiệt là gì? Các nghiên cứu khoa học liên quan","heat transfer","Trao đổi nhiệt là quá trình truyền năng lượng nhiệt giữa các vật thể hoặc hệ thống vật lý có sự chênh lệch nhiệt độ qua ba cơ chế dẫn nhiệt, đối lưu và bức xạ cho đến khi đạt trạng thái cân bằng nhiệt.",{"id":115,"title":116,"term":115,"englishTitle":117,"definition":118,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"ứng suất nhiệt","Ứng suất nhiệt là gì? Các bài nghiên cứu khoa học liên quan","ung suat nhiet","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học kỹ thuật và công nghệ, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":120,"title":121,"term":120,"englishTitle":122,"definition":123,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"lực kéo","Lực kéo là gì? Bản chất cơ học, công thức và ứng xử vật liệu","tensile force","Lực kéo (tensile force) là lực tác dụng có xu hướng làm giãn dài hoặc kéo dãn một vật thể dọc theo trục tác dụng, gây ra trạng thái ứng suất kéo và biến dạng kéo trong vật liệu.",{"id":125,"title":126,"term":125,"englishTitle":127,"definition":128,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"np khó","NP-khó là gì? Độ phức tạp, định lý Cook và giải pháp","NP-hard","NP-khó là lớp các bài toán tính toán mà mọi bài toán trong lớp NP đều có thể quy dẫn thời gian đa thức về chúng, bao gồm cả các bài toán tối ưu hóa.",{"id":130,"title":131,"term":130,"englishTitle":132,"definition":133,"discipline":23,"disciplineCode":85,"disciplineLabel":86,"disciplineColor":87,"disciplineIcon":88},"pendubot","Pendubot là gì? Cấu tạo, động học và điều khiển con lắc ngược","Pendubot","Pendubot là một hệ thống cơ điện tử gồm con lắc ngược hai khâu chuyển động phẳng thiếu cơ cấu chấp hành, đóng vai trò là mô hình chuẩn mực trong nghiên cứu điều khiển phi tuyến."]