NẾU KHÔNG CÓ CHIP, KHÔNG CÓ ĐIỆN VÀ KHÔNG CÓ PYTHON — THỨ TRONG ỐNG NGHIỆM CÓ CÒN ĐƯỢC GỌI LÀ “MÁY TÍNH”?

Một ít nước.

Một chút muối.

Những sợi DNA.

Làm nóng.

Sau đó để nguội.

Và hỗn hợp ấy bắt đầu… tính toán.

Ngày 16/09/2026, Nature công bố công trình “A thermodynamically favoured molecular computer” của nhóm tại Maynooth University, Ireland. Nhóm xây một máy tính phân tử từ các sợi DNA: các DNA ngắn và một scaffold DNA dài được trộn trong dung dịch nước muối, làm nóng rồi làm lạnh. Các phân tử tự tương tác và tự lắp ráp; cấu trúc cuối cùng chính là kết quả tính toán.

Hệ thống thực hiện được phép cộng, nhân và chia, chạy 10 chương trình, gồm các computation tới 100-bit. Một phép tính 10 + 3 mất khoảng 30 giây; một computation lớn có thể mất tới 14 giờ. Hệ thống còn được tái sử dụng tới 25 lần. Nó không cần nguồn điện liên tục như silicon computer, dù cần năng lượng nhiệt để khởi động quá trình.

Đây không phải đối thủ thay laptop hay GPU: silicon vẫn nhanh hơn rất nhiều. Giá trị của nghiên cứu nằm ở việc chứng minh một paradigm khác — computation có thể được thực hiện bằng thermodynamics + molecular self-assembly, thay vì transistor chuyển trạng thái bằng dòng điện.

Maynooth University — MU researchers build world-first DNA computer, 16/09/2026

Nature — A thermodynamically favoured molecular computer

DNA không chỉ chứa thông tin di truyền

Ở trường, học sinh thường gặp DNA trong môn Sinh học:

A.

T.

C.

G.

Các base kết cặp theo những quy tắc nhất định.

Nhưng hãy thử nhìn những quy tắc ấy bằng con mắt của một computer scientist.

Nếu một sequence chỉ liên kết với những sequence nhất định, ta đã có:

rule.

Nếu các molecules có nhiều trạng thái có thể hình thành, ta có:

state space.

Nếu system tự tiến tới một cấu trúc ổn định hơn về thermodynamics, ta có thể thiết kế cấu trúc ổn định ấy để đại diện cho:

solution.

Biology, Chemistry và Computer Science bắt đầu gặp nhau.

Nhóm Maynooth đã khiến hệ thống làm gì?

Các nhà nghiên cứu chạy 10 molecular programs, bao gồm phép cộng, nhân và chia, với một số computation lên tới 100 bit.

Một phép tính đơn giản như:

10 + 3

mất khoảng 30 giây.

Một computation lớn hơn có thể mất tới 14 giờ.

Vì vậy đây không phải chiếc computer sẽ thay MacBook của chúng ta.

Silicon nhanh hơn rất nhiều.

Nhưng đó không phải câu hỏi quan trọng nhất.

Câu hỏi thú vị hơn là:

Computation có nhất thiết phải xảy ra trong silicon hay không?

Đây là bài học rất quan trọng cho học sinh đang nói: “Con muốn học Computer Science”

Phụ huynh thường nghĩ:

Computer Science = coding.

Coding = Python.

AI = Computer Science.

Nhưng đi đủ sâu, Computer Science bắt đầu bằng những câu hỏi rộng hơn rất nhiều:

Information là gì?

Algorithm là gì?

Một physical system thực hiện computation bằng cách nào?

Có bao nhiêu cách biểu diễn một bit?

Tại sao một algorithm đúng?

Energy cost của computation là gì?

Computation có thể xảy ra trong molecule không?

Và đó là nơi CS bắt đầu gặp:

Mathematics.

Physics.

Chemistry.

Biology.

Một học sinh lớp 10 không cần mua DNA để làm project này

Thậm chí không nên.

Em có thể bắt đầu bằng simulation.

Ví dụ, viết một chương trình rất nhỏ:

A chỉ ghép với T.

C chỉ ghép với G.

Sau đó thiết kế một số DNA sequences đại diện cho input.

Thiết kế rule để các strands chỉ tạo ra một số cấu trúc nhất định.

Rồi hỏi:

Liệu structure cuối cùng có thể encode câu trả lời của một logic problem?

Lúc đó Python không còn là project.

Python chỉ là công cụ mô phỏng một câu hỏi khoa học.

Đây là một khác biệt rất lớn.

Và đây cũng là điều ALT muốn phụ huynh lưu ý khi xây hồ sơ STEM

Một project có thể ghi:

“AI Application.”

“Machine Learning Research.”

“Biotechnology Innovation.”

Những title ấy nghe rất hiện đại.

Nhưng hãy hỏi sâu hơn:

Research question là gì?

Model hoạt động theo nguyên lý nào?

Vì sao chọn method này?

Alternative method là gì?

System sai ở đâu?

Kết quả nào sẽ khiến con thay đổi hypothesis?

Nếu bỏ software framework ra, con có còn hiểu vấn đề không?

Đó mới là nơi academic depth xuất hiện.

Những ngành của tương lai có thể không nằm gọn trong một chiếc hộp

Một học sinh thích Biology nhưng cũng rất mạnh Toán không nhất thiết phải chọn:

Biology hoặc Computer Science.

Em có thể dần khám phá:

Bioinformatics.

Computational Biology.

Systems Biology.

Synthetic Biology.

Biotechnology.

Biophysics.

Molecular Computing.

Tương tự, học sinh thích Physics + CS có thể đi vào Scientific Computing hoặc Quantum Information.

Chemistry + Physics có thể dẫn tới Materials Science.

Engineering + Biology có thể dẫn tới Biomedical Engineering.

Vì vậy, định hướng ngành ở lớp 9–12 không nên bắt đầu bằng việc ép học sinh chọn một job title càng sớm càng tốt.

Nó nên bắt đầu bằng:

Con giỏi nền nào?

Con tò mò về vấn đề gì?

Những môn nào con sẵn sàng học thật sâu?

Và ở giao điểm của những điều đó đang có những academic fields nào?

Có một chi tiết rất đáng chú ý trong nghiên cứu này

Một thành viên của nhóm tác giả là undergraduate researcher Janet Adio.

Điều đó không có nghĩa mọi học sinh trung học phải cố “publish Nature”.

Đó sẽ là một benchmark hoàn toàn sai.

Bài học đúng hơn là:

Research capability được xây dần từ nền tảng, khả năng đặt câu hỏi, technical skills và cơ hội tham gia một research environment phù hợp.

Không thể shortcut bằng một project title.

Trong nhiều thập kỷ, chúng ta đã quen nghĩ:

Computer = silicon + electricity.

Nhưng tự nhiên không ký với con người một hợp đồng nói rằng computation chỉ được phép xảy ra theo cách đó.

DNA có information.

Molecules có rules.

Thermodynamics tạo direction.

Và các nhà khoa học vừa cho chúng ta thêm một ví dụ rằng:

một physical system hoàn toàn khác cũng có thể được thiết kế để tính toán.

Có lẽ đây cũng là một bài học rất đẹp dành cho học sinh.

Đừng học STEM chỉ để nhớ câu trả lời hiện tại.

Hãy học đủ sâu để một ngày có thể hỏi:

“Tại sao chúng ta lại mặc định rằng nó phải được làm theo cách này?”

Bởi rất nhiều breakthrough bắt đầu ngay sau câu hỏi đó.

Tư vấn chiến lược cùng ALT Scholarships

ALT Scholarships đồng hành cùng học sinh và phụ huynh trong việc xây dựng lộ trình học thuật dài hạn từ lớp 9–12, thay vì chỉ bắt đầu chuẩn bị khi tới mùa nộp hồ sơ.

Academic Roadmap: xây nền Toán–Lý–Hóa–Sinh–CS theo ngành mục tiêu.

Major Discovery: giúp học sinh phân biệt và khám phá CS, AI, Biotechnology, Bioinformatics, Computational Biology, Engineering và các ngành liên ngành.

Project & Portfolio Strategy: chuyển sở thích thành câu hỏi, project, reading plan và sản phẩm học thuật có progression rõ ràng.

TU9 / Ivy / Crown preparation: thiết kế lộ trình phù hợp với hệ thống đại học mục tiêu, nhưng không biến extracurricular thành cuộc chạy đua “làm đẹp hồ sơ”.

Nếu ba mẹ đang có con lớp 9–12 yêu thích STEM nhưng chưa biết nên đi theo CS, AI, Engineering, Biology hay một hướng liên ngành, hãy nhắn ALT Scholarships để cùng đánh giá nền học thuật và xây roadmap phù hợp.

#ALTScholarships #STEMWeekly #DNAComputing #ComputerScience #Biotechnology #ComputationalBiology #Bioinformatics #ArtificialIntelligence #TU9Germany #IvyLeague #STEMEducation #DuHocDuc #DuHocMy #DinhHuongHocThuat