[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_c%C3%A2y%20t%C3%ACm%20ki%E1%BA%BFm%20chu%E1%BB%97i{\"limit\":5}":3,"_public_topic_byId_c%C3%A2y%20t%C3%ACm%20ki%E1%BA%BFm%20chu%E1%BB%97i":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":13,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":17,"publishUser":21,"keywords":25,"keywordCount":26,"enrichTopicLink":27,"status":28,"createTime":29,"updateTime":30,"publishTime":31,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":32,"wikidataId":10,"relateTopics":33},"cây tìm kiếm chuỗi","Cây tìm kiếm chuỗi là gì? Các nghiên cứu khoa học liên quan","Cây tìm kiếm chuỗi (Trie) là cấu trúc dữ liệu dạng cây lưu trữ tập hợp các chuỗi ký tự, mỗi nút đại diện cho một ký tự và đường đi từ gốc đến nút lá biểu diễn chuỗi. Trie cho phép tìm kiếm, chèn và xóa chuỗi hiệu quả dựa trên độ dài chuỗi, đồng thời hỗ trợ tìm kiếm theo tiền tố, autocomplete và xử lý văn bản nhanh chóng. ","\u003Cdiv>\u003Ch2>Định nghĩa cây tìm kiếm chuỗi\u003C\u002Fh2>\n\u003Cp>Cây tìm kiếm chuỗi, hay Trie, là một cấu trúc dữ liệu dạng cây đặc biệt được thiết kế để lưu trữ và tìm kiếm một tập hợp các chuỗi ký tự một cách hiệu quả. Mỗi nút trong cây đại diện cho một ký tự và đường đi từ nút gốc đến một nút lá biểu diễn một chuỗi cụ thể trong tập hợp.\u003C\u002Fp>\n\u003Cp>Trie được áp dụng rộng rãi trong các bài toán liên quan đến xử lý văn bản, từ điển số, tìm kiếm theo tiền tố (prefix search), gợi ý từ (autocomplete), kiểm tra chính tả và các bài toán tìm kiếm chuỗi lớn. Đặc điểm nổi bật của Trie là thời gian tìm kiếm, chèn hoặc xóa chuỗi phụ thuộc vào độ dài chuỗi thay vì số lượng chuỗi trong tập hợp, giúp hiệu quả hơn so với các cấu trúc dữ liệu tuyến tính như danh sách hoặc bảng băm.\u003C\u002Fp>\n\u003Cp>Việc sử dụng Trie cho phép tối ưu hóa các thao tác tìm kiếm theo tiền tố, phát hiện các chuỗi trùng nhau, và thực hiện các thao tác phân loại hoặc thống kê ký tự trong tập hợp. Nó là công cụ quan trọng trong khoa học máy tính, đặc biệt trong lĩnh vực xử lý văn bản và thông tin.\u003C\u002Fp>\n\n\u003Ch2>Cấu trúc của cây tìm kiếm chuỗi\u003C\u002Fh2>\n\u003Cp>Mỗi nút của Trie chứa ký tự, con trỏ đến các nút con và có thể có cờ đánh dấu kết thúc chuỗi. Cây được tổ chức sao cho các đường đi chia sẻ tiền tố chung của các chuỗi, giúp tiết kiệm bộ nhớ khi nhiều chuỗi có chung phần đầu.\u003C\u002Fp>\n\u003Cp>Cấu trúc cơ bản của Trie bao gồm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Nút gốc (Root):\u003C\u002Fstrong> Không chứa ký tự, là điểm xuất phát của tất cả các chuỗi.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nút con (Child Node):\u003C\u002Fstrong> Đại diện cho ký tự tiếp theo trong chuỗi, có thể có nhiều nút con.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nút kết thúc chuỗi (End of Word):\u003C\u002Fstrong> Đánh dấu sự hoàn tất của một chuỗi trong tập hợp.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Bảng minh họa cấu trúc cơ bản của Trie:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n\u003Cthead>\n\u003Ctr>\u003Cth>Thành phần\u003C\u002Fth>\u003Cth>Chức năng\u003C\u002Fth>\u003Cth>Ví dụ\u003C\u002Fth>\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>Root\u003C\u002Ftd>\u003Ctd>Điểm xuất phát của tất cả các chuỗi\u003C\u002Ftd>\u003Ctd>Không chứa ký tự\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>Child Node\u003C\u002Ftd>\u003Ctd>Đại diện ký tự trong chuỗi\u003C\u002Ftd>\u003Ctd>Ký tự 'a' trong \"apple\"\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>End of Word\u003C\u002Ftd>\u003Ctd>Đánh dấu kết thúc chuỗi\u003C\u002Ftd>\u003Ctd>Nút cuối của \"apple\"\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>Trie cho phép chia sẻ các tiền tố chung giữa các chuỗi, từ đó tối ưu hóa bộ nhớ so với việc lưu từng chuỗi riêng lẻ.\u003C\u002Fp>\n\n\u003Ch2>Nguyên lý hoạt động\u003C\u002Fh2>\n\u003Cp>Trie hoạt động bằng cách duyệt từng ký tự từ nút gốc đến các nút con. Khi tìm kiếm một chuỗi, thuật toán đi theo đường dẫn các ký tự trong Trie. Nếu hết ký tự và nút cuối có cờ kết thúc, chuỗi tồn tại trong tập hợp; nếu không, chuỗi không có trong Trie.\u003C\u002Fp>\n\u003Cp>Chèn chuỗi mới vào Trie thực hiện bằng cách đi theo đường dẫn các ký tự đã tồn tại; nếu ký tự chưa có, tạo nút mới. Xóa chuỗi cần kiểm tra các nút con và loại bỏ các nút không còn dùng chung với các chuỗi khác, đảm bảo Trie luôn duy trì các đường đi hợp lệ cho các chuỗi còn lại.\u003C\u002Fp>\n\u003Cp>Trie có thể thực hiện các thao tác nâng cao như tìm kiếm theo tiền tố, liệt kê tất cả chuỗi bắt đầu bằng một tiền tố nhất định hoặc đếm số lượng chuỗi có cùng tiền tố, rất hữu ích trong xử lý ngôn ngữ tự nhiên và hệ thống tìm kiếm.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng của cây tìm kiếm chuỗi\u003C\u002Fh2>\n\u003Cp>Trie có nhiều ứng dụng quan trọng trong khoa học máy tính và xử lý dữ liệu, bao gồm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Tìm kiếm và kiểm tra sự tồn tại của từ trong từ điển số.\u003C\u002Fli>\n\u003Cli>Autocomplete và gợi ý từ trong trình soạn thảo văn bản hoặc thanh tìm kiếm web.\u003C\u002Fli>\n\u003Cli>Phát hiện và kiểm tra lỗi chính tả, đề xuất các từ thay thế dựa trên tiền tố chung.\u003C\u002Fli>\n\u003Cli>Lưu trữ các mẫu chuỗi trong sinh học tính toán, ví dụ như DNA hoặc RNA sequences.\u003C\u002Fli>\n\u003Cli>Hỗ trợ các thuật toán nén dữ liệu và tìm kiếm theo tiền tố hoặc mẫu con.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Ứng dụng Trie giúp cải thiện hiệu suất tìm kiếm, giảm độ phức tạp thuật toán và tối ưu hóa bộ nhớ trong các hệ thống lưu trữ chuỗi lớn. Nó đặc biệt quan trọng trong các ứng dụng có yêu cầu truy xuất theo tiền tố hoặc so sánh chuỗi nhanh chóng.\u003C\u002Fp>\n\u003Ch2>Ưu điểm và hạn chế của cây tìm kiếm chuỗi\u003C\u002Fh2>\n\u003Cp>Trie có nhiều ưu điểm nổi bật so với các cấu trúc dữ liệu khác khi làm việc với tập hợp chuỗi:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tìm kiếm, chèn và xóa nhanh:\u003C\u002Fstrong> Độ phức tạp thuật toán O(L) với L là độ dài chuỗi, không phụ thuộc vào số lượng chuỗi trong tập hợp.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tìm kiếm theo tiền tố hiệu quả:\u003C\u002Fstrong> Trie cho phép tìm tất cả các chuỗi bắt đầu bằng một tiền tố cụ thể mà không cần duyệt toàn bộ tập hợp.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Lưu trữ các chuỗi lớn:\u003C\u002Fstrong> Trie có thể lưu trữ tập hợp chuỗi lớn với khả năng chia sẻ các tiền tố chung, tiết kiệm bộ nhớ hơn so với lưu trữ từng chuỗi riêng lẻ.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tuy nhiên, Trie cũng tồn tại một số hạn chế:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Tiêu tốn bộ nhớ cao do mỗi ký tự trong chuỗi tạo ra nút riêng, đặc biệt với tập ký tự rộng.\u003C\u002Fli>\n\u003Cli>Triển khai phức tạp hơn các cấu trúc dữ liệu tuyến tính như danh sách hoặc bảng băm.\u003C\u002Fli>\n\u003Cli>Kém hiệu quả nếu chuỗi dài và tập hợp có nhiều ký tự không chung, dẫn đến nhiều nút con riêng lẻ.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Biến thể và tối ưu\u003C\u002Fh2>\n\u003Cp>Để cải thiện hiệu quả lưu trữ và tốc độ truy cập, các biến thể Trie đã được phát triển:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Compressed Trie (Radix Tree):\u003C\u002Fstrong> Nén các nút đơn con liên tiếp thành một đoạn chuỗi duy nhất, giảm số nút và tiết kiệm bộ nhớ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Suffix Trie:\u003C\u002Fstrong> Lưu trữ tất cả các hậu tố của một chuỗi, hữu ích trong tìm kiếm mẫu con (substring search) và phân tích chuỗi sinh học.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Patricia Trie:\u003C\u002Fstrong> Kết hợp Radix Tree và Trie chuẩn, tối ưu hóa bộ nhớ và giảm độ sâu cây, tăng tốc truy xuất.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Binary Trie:\u003C\u002Fstrong> Trie nhị phân dùng cho dữ liệu nhị phân hoặc số nguyên, giảm số con trỏ cần thiết và tăng hiệu quả lưu trữ.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Các biến thể này cho phép Trie được ứng dụng trong nhiều bài toán thực tế hơn, từ xử lý văn bản, tìm kiếm dữ liệu đến sinh học tính toán và lưu trữ dữ liệu nhị phân.\u003C\u002Fp>\n\n\u003Ch2>Độ phức tạp thuật toán\u003C\u002Fh2>\n\u003Cp>Trie có độ phức tạp thuật toán đặc trưng, được đánh giá dựa trên độ dài chuỗi thay vì số lượng chuỗi trong tập hợp:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tìm kiếm chuỗi:\u003C\u002Fstrong> O(L), với L là độ dài chuỗi cần tìm.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chèn chuỗi:\u003C\u002Fstrong> O(L), đi theo đường đi ký tự và tạo nút nếu cần.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Xóa chuỗi:\u003C\u002Fstrong> O(L), kiểm tra và loại bỏ các nút không còn dùng chung với các chuỗi khác.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Bộ nhớ:\u003C\u002Fstrong> O(AL), với A là kích thước bảng chữ cái, L là tổng số ký tự lưu trữ trong tất cả các chuỗi.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Với các biến thể như Radix Tree hoặc Patricia Trie, bộ nhớ có thể giảm đáng kể bằng cách nén các nút liên tiếp, đồng thời giảm độ sâu cây và tăng tốc độ truy xuất.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tế nâng cao\u003C\u002Fh2>\n\u003Cp>Trie và các biến thể được sử dụng trong nhiều lĩnh vực:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Xử lý ngôn ngữ tự nhiên: kiểm tra từ điển, gợi ý từ, kiểm tra chính tả và phát hiện tiền tố.\u003C\u002Fli>\n\u003Cli>Tìm kiếm sinh học: lưu trữ và truy vấn chuỗi DNA, RNA hoặc protein.\u003C\u002Fli>\n\u003Cli>Mạng máy tính: routing table và tìm kiếm địa chỉ IP (trie nhị phân).\u003C\u002Fli>\n\u003Cli>Nén dữ liệu: thuật toán nén dựa trên tiền tố và mẫu chuỗi.\u003C\u002Fli>\n\u003Cli>Cơ sở dữ liệu: tìm kiếm nhanh các khóa chuỗi và tự động hoàn thành truy vấn.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n\u003Cli>Fredkin, E. (1960). \u003Ci>Trie Memory\u003C\u002Fi>. Communications of the ACM, 3(9), 490–499.\u003C\u002Fli>\n\u003Cli>Knuth, D.E. (1998). \u003Ci>The Art of Computer Programming, Volume 3: Sorting and Searching\u003C\u002Fi>. Addison-Wesley.\u003C\u002Fli>\n\u003Cli>Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C. (2009). \u003Ci>Introduction to Algorithms\u003C\u002Fi>. 3rd Edition, MIT Press.\u003C\u002Fli>\n\u003Cli>Gusfield, D. (1997). \u003Ci>Algorithms on Strings, Trees and Sequences\u003C\u002Fi>. Cambridge University Press.\u003C\u002Fli>\n\u003Cli>GeeksforGeeks. \u003Ci>Trie Data Structure\u003C\u002Fi>. \u003Ca href=\"https:\u002F\u002Fwww.geeksforgeeks.org\u002Ftrie-insert-and-search\u002F\" target=\"_blank\">Link\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],1,false,"PUBLISHED","2025-11-10T03:47:44.625+00:00","2025-11-10T16:09:11.552+00:00","2025-11-10T16:09:11.550+00:00",135,[34,45,56,67,78,84,95,106,112,118],{"id":35,"title":36,"term":37,"englishTitle":38,"definition":39,"discipline":40,"disciplineCode":41,"disciplineLabel":42,"disciplineColor":43,"disciplineIcon":44},"máy quang phổ echelle","Máy quang phổ echelle (echelle spectrometer) là gì?","Máy quang phổ echelle","echelle spectrometer","Máy quang phổ echelle là loại máy quang phổ nhiễu xạ độ phân giải cao, kết hợp cách tử echelle làm việc ở bậc nhiễu xạ cao với phần tử tán sắc chéo đặt vuông góc để tách các bậc phổ chồng lấp thành ảnh phổ hai chiều trên đầu thu mảng. Kiến trúc này cho phép ghi nhận đồng thời dải bước sóng rộng với năng suất phân giải lớn mà không cần quét cơ học.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":46,"title":47,"term":48,"englishTitle":49,"definition":50,"discipline":51,"disciplineCode":52,"disciplineLabel":53,"disciplineColor":54,"disciplineIcon":55},"hẹp tắc động mạch nội sọ","Hẹp tắc động mạch nội sọ là gì? Cơ chế và điều trị","Hẹp tắc động mạch nội sọ","intracranial arterial stenosis","Hẹp tắc động mạch nội sọ là tình trạng thu hẹp lòng mạch hoặc bít tắc hoàn toàn một hay nhiều động mạch lớn bên trong hộp sọ, làm giảm lưu lượng máu nuôi não và gây nguy cơ cao đột quỵ thiếu máu não, trong đó căn nguyên phổ biến nhất là xơ vữa động mạch.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":57,"title":58,"term":59,"englishTitle":60,"definition":61,"discipline":62,"disciplineCode":63,"disciplineLabel":64,"disciplineColor":65,"disciplineIcon":66},"phép biện chứng","Phép biện chứng (dialectic) là gì?","Phép biện chứng","dialectic","Phép biện chứng là một truyền thống phương pháp luận và lý luận triết học, trong thời cổ đại chỉ nghệ thuật đối thoại hỏi đáp truy tìm chân lý, còn trong triết học cận hiện đại chỉ học thuyết về sự vận động, mối liên hệ và chuyển hóa của khái niệm hoặc hiện thực thông qua mâu thuẫn.","HUMANITIES","humanities","Nhân văn và nghệ thuật","#9333EA","book-open",{"id":68,"title":69,"term":70,"englishTitle":71,"definition":72,"discipline":73,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"vật liệu hybrid","Vật liệu hybrid (hybrid material) là gì?","Vật liệu hybrid","hybrid material","Vật liệu hybrid (vật liệu lai) là vật liệu cấu tạo từ hỗn hợp trộn lẫn mật thiết giữa thành phần hữu cơ, vô cơ hoặc cả hai, thường đan xen ở thang kích thước nhỏ hơn 1 µm (IUPAC, 2007) nhằm tạo ra tính chất hiệp đồng vượt trội so với từng thành phần đơn lẻ.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":79,"title":80,"term":81,"englishTitle":82,"definition":83,"discipline":40,"disciplineCode":41,"disciplineLabel":42,"disciplineColor":43,"disciplineIcon":44},"đường cong quantum seiberg witten","Đường cong quantum Seiberg-Witten là gì? Cơ chế và ứng dụng","Đường cong quantum Seiberg-Witten","quantum Seiberg-Witten curve","Đường cong quantum Seiberg-Witten là phiên bản lượng tử hóa của đường cong đại số Seiberg-Witten cổ điển, thu được khi nâng tọa độ trên đường cong lên toán tử không giao hoán để tạo thành phương trình vi phân hoặc sai phân tuyến tính trong giới hạn Nekrasov-Shatashvili của lý thuyết chuẩn siêu đối xứng N = 2.",{"id":85,"title":86,"term":87,"englishTitle":88,"definition":89,"discipline":90,"disciplineCode":91,"disciplineLabel":92,"disciplineColor":93,"disciplineIcon":94},"sản xuất giống","Sản xuất giống (seed production) là gì?","Sản xuất giống","seed production","Sản xuất giống (seed production) là quá trình tổ chức nhân số lượng, kiểm soát chất lượng và cung ứng vật liệu nhân giống từ nguồn giống gốc nhằm duy trì độ thuần di truyền, phẩm chất sinh lý và trạng thái sạch bệnh của giống trong sản xuất nông nghiệp.","AGRICULTURAL_SCIENCES","agricultural-sciences","Khoa học nông nghiệp","#2F9E44","sprout",{"id":96,"title":97,"term":98,"englishTitle":99,"definition":100,"discipline":101,"disciplineCode":102,"disciplineLabel":103,"disciplineColor":104,"disciplineIcon":105},"lý thuyết hình ảnh","Lý thuyết hình ảnh (image theory) là gì?","Lý thuyết hình ảnh","image theory","Lý thuyết hình ảnh (image theory) là một lý thuyết tâm lý học mô tả quá trình ra quyết định cá nhân và tổ chức do Lee Roy Beach và Terence R. Mitchell đề xuất năm 1987. Thay vì tối đa hóa hữu dụng kỳ vọng, lý thuyết này cho rằng con người sàng lọc phương án dựa trên mức độ tương thích với hệ thống giá trị, mục tiêu và kế hoạch sẵn có.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":107,"title":108,"term":109,"englishTitle":110,"definition":111,"discipline":73,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"tổng hợp urê","Tổng hợp urê (urea synthesis) là gì?","Tổng hợp urê","urea synthesis","Tổng hợp urê là quá trình hóa học và công nghệ chuyển hóa amoniac (NH3) và carbon dioxide (CO2) — hoặc các nguồn carbon, nitơ thay thế qua lộ trình điện hóa, quang hóa — thành urê (CO(NH2)2), hợp chất đạm nền tảng của ngành phân bón và hóa chất công nghiệp.",{"id":113,"title":114,"term":115,"englishTitle":116,"definition":117,"discipline":40,"disciplineCode":41,"disciplineLabel":42,"disciplineColor":43,"disciplineIcon":44},"hấp phụ hóa học","Hấp phụ hóa học (chemisorption) là gì?","Hấp phụ hóa học","chemisorption","Hấp phụ hóa học (chemisorption) là quá trình hấp phụ phát sinh từ sự hình thành liên kết hóa học mạnh giữa chất bị hấp phụ và các tâm hoạt tính trên bề mặt chất hấp phụ, tạo thành một đơn lớp trên bề mặt.",{"id":119,"title":120,"term":121,"englishTitle":122,"definition":123,"discipline":73,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"mô đun đàn hồi động","Mô đun đàn hồi động (dynamic elastic modulus) là gì?","Mô đun đàn hồi động","dynamic elastic modulus","Mô đun đàn hồi động là đại lượng cơ học đặc trưng cho độ cứng đàn hồi của vật liệu dưới tải trọng biến thiên theo thời gian, dao động điều hòa hoặc sóng ứng suất biên độ nhỏ. Đại lượng này thường được xác định không phá hủy bằng đo tần số cộng hưởng, vận tốc xung siêu âm hoặc phân tích cơ động học."]