Gần đây, việc sử dụng mạng 4G, 5G đã làm dấy lên những lo ngại trước đây về rủi ro bức xạ điện thoại di động, wifi cũng như hệ thống định vị, dẫn đường của các nhà mạng, đặc biệt là các ứng dụng trên cho các phương tiên giao thông, nhất là các dòng ô tô hiện đại, có thể gây ra tác hại nguy hiểm đối với sức khỏe con người nếu công suất bức xạ và thời gian phơi nhiễm lớn [1]. Các kết quả nghiên cứu ban đầu trên 8 loại xe hơi (80 xe) cho thấy công suất BXĐT (bức xạ điện từ) tổng hợp của các thiết bị thu phát viba trong xe có giá trị cao hơn giá trị bức xạ môi trường (liều SAR đo được là: 0,57÷1,79 W/kg). Trên tổng số 80 xe khảo sát có 76/80 (95%) có công suất bức xạ cực đại vượt ngưỡng WHO và 98% vượt ngưỡng ICNRP. Nếu thời gian phơi nhiễm kéo dài trên 120 phút, sẽ gây nên các triệu chứng như mệt mỏi, khó ngủ, tăng huyết áp hoặc giảm khả năng sinh sản ở nam giới.

Để đánh giá được sự bền vững của các hoạt động của nhà máy xử lý nước thải đô thị, chúng tôi sử dụng các tiêu chí sau đây: công suất và hiệu quả xử lý nước thải, sự phù hợp của công nghệ xử lý nước thải với điều kiện địa phương, chi phí vận hành và bảo trì, điều kiện hoạt động của các công trình và thiết bị, sự thích ứng với biến đổi khí hậu và thay đổi yếu tố đầu vào, an toàn và thân thiện môi trường. Tuy nhiên, sự đóng góp của các tiêu chí trên vào mức độ bền vững của các hoạt động của nhà máy xử lý nước thải là không giống nhau. Vì vậy, chúng tôi xác định các trọng số của các tiêu chí đó dựa trên phương pháp kết hợp giữa phân tích thứ bậc AHP và tham vấn chuyên gia. Các trọng số của các tiêu chí trên được áp dụng để đánh giá hoạt động bền vững đối với nhà máy xử lý nước thải đô thị của Bắc Ninh.

Hiện nay, cây bơ Booth7 đang được trồng rộng rãi ở các tỉnh Tây Nguyên với diện tích đã lên hơn 4000 ha, trong đó Đắk Lắk là vùng trồng nhiều nhất với hơn 2000 ha. Tuy nhiên, việc xác định đúng thời điểm thu hoạch đối với giống bơ này là một công việc khá khó đối với người nông dân bởi vì bơ Booth7 có thời gian phát triển quả trên cây dài từ 8-10 tháng, thời gian treo quả không rụng khi đã thành thục từ 2-3 tháng. Trong quá trình thành thục quả, bơ Booth7 nói riêng và bơ nói chung có sự biến động các chỉ tiêu chất lượng khá lớn và có sự ảnh hướng của môi trường tới các chỉ tiêu này. Vì vậy cần thiết phải đánh giá được sự biến động các chỉ tiêu này để làm cơ sở cho quá trình thu hoạch quả bơ Booth tại Đắk Lắk. Một số chỉ tiêu chính về chất lượng của quả theo thời gian được xác định trong thí nghiệm này gồm: thời gian ra hoa, đậu quả, hàm lượng chất khô, hàm lượng dầu, một số axit béo, màu sắc của quả, cuống quả và lớp vỏ lụa của hạt. Kết quả cho thấy có sự biến đổi khá lớn các chỉ tiêu chất lượng theo thời gian và chỉ ổn định sau tháng 10 với khoảng thời gian từ 250 ngày sau đậu quả hoặc 270 ngày sau ra hoa. Tại thời điểm này một số chỉ tiêu chất lượng đạt: hàm lượng chất khô trên 23%, hàm lượng dầu hơn 13%, hàm lượng axit oleic trên 48%, axit palmitic ổn định khoảng 20%, axit linoleic 11-12% so với tổng lượng dầu. Các chỉ tiêu chất lượng này đã ổn định và có ít biến động trong thời gian sau đó. Thời điểm này được cho là thời điểm thích hợp nhất để thu hoạch giống bơ Booth7 trên địa bàn.

Hiện nay, Khoa Công nghệ thông tin (CNTT) Trường Đại học Kinh tế - Kỹ thuật Công nghiệp đang sử dụng hệ thống website xây dựng trên nền tảng mã nguồn mở laravel PHP. Ý tưởng của chúng tôi muốn xây dựng một cổng thông tin điện tử chạy song song hệ thống website của khoa. Người dùng có thể duyệt web trên các thiết bị sử dụng hệ điều hành khác nhau như Android, IOS, Windows phone. Trong bài báo này chúng tôi nghiên cứu kiến trúc mobile web service, sau đó tích hợp RESFul web service, sử dụng lập trình react native, xây dựng hệ thống web Khoa CNTT thiết bị đa nền tảng với đầy đủ chức năng: giới thiệu khoa, đào tạo, tra cứu thông tin sinh viên, tra cứu lịch thi, lịch dạy, lương giảng viên. Các thông tin này được cập nhật liên tục từ các hệ thống web của trường và khoa.

Xử lý ngôn ngữ tự nhiên là một lĩnh vực nghiên cứu đa dạng với nhiều nhiệm vụ riêng biệt, mỗi nhiệm vụ được đánh giá bởi bộ dữ liệu đặc thù. Trong thực tế, một số bài toán có ít dữ liệu gán nhãn chất lượng cao để huấn luyện mô hình, dẫn tới hiệu năng chưa cao. Giải quyết vấn đề này, một số mô hình sử dụng cơ chế tiền xử lý dữ liệu huấn luyện bằng việc sử dụng các mô hình biểu diễn từ chung, được huấn luyện từ một lượng lớn các dữ liệu không được gán nhãn như Word2vec, Glove hay FastText. Tuy nhiên, các mô hình đó không thể hiện được sự đại diện theo ngữ cảnh cụ thể của từ. Trong dịch máy thường sử dụng kiến trúc Recurrent Neural Networks. Mô hình này khó bắt được sự phụ thuộc xa giữa các từ trong câu và tốc độ huấn luyện chậm. Transformers là một kiến trúc mạng nơron nhân tạo được đề xuất để khắc phục các nhược điểm trên. Bài báo này, chúng tôi trình bày kiến trúc Transformers, đề xuất mô hình dịch máy sử dụng kiến trúc Transformers. Kết quả thực nghiệm trên cặp ngôn ngữ Anh - Việt và Việt - Anh chứng minh rằng, mô hình do chúng tôi đề xuất đạt hiệu năng vượt trội so với các mô hình trước đó.