LoRa teknolojisi, düşük güç tüketen nesnelerin interneti uygulamalarında yaygın kullanılan bir kablosuz iletişim standardıdır. Ancak aynı frekansta çalışan çok sayıda cihaz olduğunda sinyal çakışmaları yaşanır ve veri kaybı meydana gelir. Araştırmacılar, bu sorunu çözmek için LZn adlı yeni bir algoritma geliştirdiler. Bu algoritma, spektral kesişim işlemi kullanarak çakışan sinyaller arasından doğru veriyi ayırt edebiliyor. Geleneksel yöntemlerde sinyal-gürültü oranı düştükçe başarı oranı hızla azalırken, LZn algoritması son derece düşük sinyal kalitesinde bile çalışabiliyor. Test sonuçları, yeni yöntemin algılama hassasiyetini 10 desibele kadar artırdığını ve tespit olasılığını 1.54 kata çıkardığını gösteriyor. Bu gelişme, akıllı şehir uygulamaları ve endüstriyel IoT sistemlerinde daha güvenilir veri iletişimi sağlayacak.

Araştırmacılar, yapay zeka sistemlerinin bilgi depolama yöntemini kökten değiştiren yeni bir teknik geliştirdi. qFHRR adlı bu yöntem, karmaşık bilgi yapılarını temsil etmek için gereken veri boyutunu 20 kata kadar azaltabiliyor. Geleneksel yöntemler 64 bitlik karmaşık sayılar kullanırken, yeni teknik sadece 3-4 bit ile aynı performansı sergiliyor. Bu gelişme, akıllı telefonlar ve IoT cihazları gibi sınırlı kaynağa sahip cihazlarda yapay zekanın daha verimli çalışmasını sağlayacak. Teknik, holografik temsil yöntemlerini tamsayı aritmetiği ile birleştirerek hem hız hem de enerji verimliliği kazandırıyor.

Araştırmacılar, güneş enerjisi gibi çevre kaynaklarından beslenen IoT cihazları için yenilikçi bir güvenlik sistemi geliştirdi. Sistem, korumalı alanların etrafına yerleştirilen kameralı sensörlerin enerji tüketimlerini akıllıca yöneterek sürekli gözetim sağlıyor. Geleneksel grid sistemlerinin aksine, bu yeni yaklaşım cihazların sınırlı enerji kapasitelerini göz önünde bulundurarak hangi sensörün ne zaman aktif olacağını optimize ediyor. Merkezi erişim noktası, mobil kenar hesaplama ve coğrafi sınır sistemini barındırarak tüm ağı koordine ediyor. Bu teknoloji, özellikle uzak bölgelerdeki kritik altyapıların korunmasında devrim yaratabilir.

Araştırmacılar, akıllı telefonlar ve IoT cihazları gibi sınırlı kaynaklı ortamlarda çalışan küçük dil modellerinin hafıza kullanımını optimize eden yenilikçi bir teknoloji geliştirdi. VocabTailor adı verilen bu sistem, modellerin kelime dağarcığını dinamik olarak ayarlayarak hafıza tüketimini önemli ölçüde azaltıyor. Geleneksel yöntemlerin aksine, her görev için sabit kelime setleri kullanmak yerine, anlık ihtiyaçlara göre esnek kelime seçimi yapıyor. Bu yaklaşım, edge computing ve mobil yapay zeka uygulamalarının yaygınlaşması için kritik bir adım olarak değerlendiriliyor.

Araştırmacılar, yüksek boyutlu çok sensörlü sistemlerde ani değişimleri tespit etmek için geliştirilen yeni metodları inceledi. Geleneksel değişim tespit yöntemleri, büyük ölçekli veriler ve sınırlı kaynaklarla karşılaştığında yetersiz kalıyor. Bu çalışma, seyrek veri yapıları ve heterojen sinyal özelliklerinden yararlanan yaklaşımları ele alıyor. Özellikle kaynak kısıtlamaları altında çalışan sistemlerde, gözlemlerin sıralı olarak seçilmesi gereken durumlar için yeni çözümler sunuluyor. Bu gelişmeler, IoT ağlarından finansal piyasalara kadar birçok alanda kritik değişimlerin daha hızlı ve doğru tespit edilmesini sağlayabilir.

Araçların yol yüzeyiyle etkileşimini anlayabilmek için yeni bir iletişim teknolojisi geliştirildi. ESP32 mikroişlemci kullanılarak tasarlanan sistem, lastik içindeki sensörlerden gelen verileri gerçek zamanlı olarak aktarıyor. Mevcut araç sensörleri sürüş güvenliği için yeterli olsa da, lastiğin yol yüzeyiyle nasıl etkileşime girdiği konusunda yetersiz kalıyor. Araştırmacılar bu sorunu çözmek için yayın-abone sistemi kullanan yeni bir yaklaşım geliştirdi. Test edilen prototip, 1 Hz'den 32.000 Hz'e kadar farklı örnekleme frekanslarında çalışabiliyor ve sadece %0,1 veri kaybıyla son derece güvenilir performans gösteriyor. Bu teknoloji, dijital yol sistemlerinin geliştirilmesine katkı sağlayarak daha güvenli ve akıllı ulaşım altyapısının temellerini atıyor.

Araştırmacılar, İnsan Olmayan Hava Araçları (İHA) kullanarak LoRa tabanlı IoT ağlarının enerji verimliliğini artıran yeni bir yapay zeka sistemi geliştirdi. GLo-MAPPO adlı bu çok-ajanli derin pekiştirmeli öğrenme algoritması, drone'ların mobil ağ geçidi olarak görev yapmasını sağlıyor. Sistem, geleneksel sabit ağ geçitlerinin kapsama alanı boşlukları ve yüksek enerji tüketimi sorunlarına çözüm getiriyor. 5G/6G ekosistemlerinde kritik rol oynayan IoT ağları için önemli bir gelişme olan bu teknoloji, özellikle dinamik ortamlarda daha etkili veri toplama imkanı sunuyor.

Araştırmacılar, gürültülü gözlemlerden uzaktaki kaynaklar hakkında optimal tahmin yapma problemini inceleyen bilgi darboğazı kaynak kodlama tekniğinin matematiksel sınırlarını keşfetti. Bu yöntem, sınırlı veri aktarımıyla en iyi tahminleri üretmeye odaklanıyor. Çalışma, kodlama hızının kritik eşik değerinin altında ve üstünde olduğu durumlarda hata olasılıklarının nasıl değiştiğini matematiksel olarak kanıtladı. Bulgular, veri sıkıştırma ve uzaktan algılama teknolojilerinde önemli iyileştirmeler sağlayabilir. Özellikle IoT sensörleri, uydu haberleşmesi ve yapay zeka sistemlerinde enerji verimli veri iletimi için kritik öneme sahip. Araştırma, teorik bilgisayar bilimi ve istatistiksel öğrenme alanlarında da yeni perspektifler sunuyor.

Akıllı telefonlar ve IoT cihazları gibi sınırlı işlem gücüne sahip cihazlarda yapay zeka modellerinin çalışması için boyutlarının küçültülmesi gerekiyor. Araştırmacılar, derin öğrenme modellerini otomatik olarak optimize eden AutoSculpt adlı yeni bir sistem geliştirdi. Bu sistem, graf öğrenmesi ve pekiştirmeli öğrenmeyi birleştirerek modellerin gereksiz kısımlarını akıllıca budayabiliyor. AutoSculpt'un en önemli özelliği, mevcut donanım ve yazılımların tanıyabileceği düzenli kalıpları tespit ederek bunları çıkarması. Bu sayede hem model boyutu küçülüyor hem de çalışma hızı artıyor. Geleneksel budama yöntemlerinin aksine, bu sistem farklı model türleriyle uyumlu çalışabiliyor ve doğruluk kaybını minimum seviyede tutuyor.

Araştırmacılar, kablosuz ağlarda veri paketlerinin belirlenen süre içinde hedefine ulaşmasını garantileyen yeni çizelgeleme stratejileri geliştirdi. Çok atlamalı kablosuz ağlarda, özellikle IoT cihazları ve gerçek zamanlı uygulamalar için kritik olan bu problem, ağ performansını önemli ölçüde etkiliyor. Çalışma, tek akış durumunda optimal politikaları tanımlayarak, çoklu akış ortamında bile sıkı zaman garantileri verilmesinin mümkün olduğunu kanıtlıyor. Bulgular, geleneksel kuyruk kararlılığının zaman sınırları için yeterli olmadığını, bunun yerine daha gelişmiş çizelgeleme yaklaşımlarının gerekli olduğunu ortaya koyuyor.

Araştırmacılar, büyük dil modellerinin veri işleme maliyetlerini yarıya indiren yeni bir veri formatı geliştirdi. ONTO adlı bu format, geleneksel JSON formatının tekrarlı yapısını ortadan kaldırarak token kullanımını %46-51 oranında azaltıyor. 1000 IoT sensör verisinin JSON formatında 80 bin token gerektirdiği durumda, ONTO formatı yaklaşık 40 bin token ile aynı bilgiyi aktarabilmekte. Bu yenilik, yapay zeka sistemlerinin operasyonel verileri daha verimli işlemesini sağlayarak hem maliyet hem de performans açısından önemli avantajlar sunuyor. Özellikle büyük ölçekli veri işleme gerektiren IoT sistemleri, sensör ağları ve endüstriyel uygulamalar için kritik bir gelişme olarak değerlendiriliyor.