Arama Sonuçları
4855 haber
Teknoloji & Yapay Zeka
Yapay Zeka Mantık Yürütmeyi Nasıl Öğreniyor? Transformer Modellerde Yeni Keşif
Araştırmacılar, transformer tabanlı yapay zeka modellerinin mantıksal çıkarım yeteneklerini inceledi. Çalışmada, "A, B'den büyük; B, C'den büyük; o halde A, C'den büyük" türü geçişli mantık yürütme davranışı analiz edildi. İki farklı öğrenme türü karşılaştırıldı: model ağırlıklarına gömülü öğrenme ve bağlam içi öğrenme. Bulgular, bu iki yaklaşımın tamamen farklı stratejiler geliştirdiğini gösterdi. Ağırlık tabanlı öğrenen modeller, insanlar ve hayvanlarınkine benzer doğrusal ilişki haritaları oluştururken, bağlam içi öğrenen modeller genellikle ezberleme stratejisi benimsiyor. Ancak eğitim verileri geçişli çıkarımı gerektirdiğinde, bu modeller de mantıksal genelleme yapabiliyorlar. Araştırma, yapay zeka sistemlerinin akıl yürütme mekanizmalarını anlamak açısından önemli ipuçları sunuyor.
Nörobilim & Psikoloji
Beyin-Bilgisayar Arayüzleri İçin Yeni Test Platformu: Neuroprobe
Araştırmacılar, beyin-bilgisayar arayüzlerinin geliştirilmesi için kritik öneme sahip yeni bir değerlendirme platformu geliştirdi. Neuroprobe adlı bu sistem, doğrudan beyin dokusuna yerleştirilen elektrotlarla kayıt alınan intrakraniyal EEG verilerini analiz etmek için tasarlandı. Platform, 10 katılımcıdan elde edilen 40 saatlik beyin kaydını içeren BrainTreebank veri seti üzerine kurulu. Katılımcılar doğal film izleme görevleri yaparken beyin aktiviteleri kaydedildi. Bu yenilikçi yaklaşım, hem nörolojik tedavilerin geliştirilmesine hem de beynin dil işleme mekanizmalarının anlaşılmasına katkı sağlayacak. Geleneksel saçlı deri EEG'ye kıyasla çok daha yüksek çözünürlük sunan bu teknoloji, sinyal bozulmasını minimize ederek beyin aktivitesini doğrudan ölçebiliyor.
Nörobilim & Psikoloji
Felçli hastalar için umut: MEG-XL ile beyin sinyallerinden metin üretimi
Stanford araştırmacıları, felçli hastaların düşündikleri kelimeleri beyin sinyallerinden çözümleyebilen yeni bir yapay zeka modeli geliştirdi. MEG-XL adlı sistem, geleneksel yöntemlerden 5-300 kat daha uzun beyin aktivitesi kayıtlarını analiz ederek, çok daha az eğitim verisiyle aynı başarıyı elde ediyor. Sistem, 2,5 dakikalık MEG beyin tarama verilerini işleyerek, daha önce 50 saat eğitim gerektiren performansı sadece 1 saatlik veriyle yakalayabiliyor. Bu gelişme, konuşma yetisini kaybetmiş hastaların düşüncelerini tekrar ifade edebilmesi için kritik bir adım teşkil ediyor. Uzun bağlamlı öğrenme yaklaşımı, beyin-bilgisayar arayüzleri alanında yeni bir standart oluşturuyor ve klinik uygulamalarda daha pratik çözümler sunuyor.
Kimya
Korelasyon Enerjisi Hesaplamalarında Yeni Stokastik Yöntem
Moleküler sistemlerin korelasyon enerjilerini hesaplamak için geliştirilen yeni DCM yöntemi, CCSD tekniğinden daha yüksek doğruluk sunuyor. Araştırmacılar, bu yöntemin verimliliğini artırmak amacıyla stokastik çözünürlük teknolojisini (sRI) entegre ederek sRI-DCM adını verdikleri hibrit yaklaşımı geliştirdiler. Bu yenilikçi teknik, büyük moleküler sistemlerde yüzlerce elektronun bulunduğu karmaşık hesaplamaları daha hızlı ve etkili şekilde gerçekleştiriyor. Hidrojen dimer zincirlerinde yapılan deneyler, yöntemin pratik uygulanabilirliğini kanıtladı. Kuantum kimyası hesaplamalarında önemli bir ilerleme sağlayan bu çalışma, büyük moleküllerin elektronik yapılarının anlaşılmasında yeni ufuklar açıyor.
Kimya
Moleküler Dipol Salınımlarındaki Gecikmeli Büyüme: Gerçek mi, Hesaplama Hatası mı?
Araştırmacılar, yoğunluk fonksiyonel teorisi (TDDFT) hesaplamalarında ortaya çıkan beklenmedik bir fenomeni inceledi. Ekstrem ultraviyole (XUV) darbe uygulandıktan sonra, moleküler dipol salınımlarında gecikmeli bir büyüme gözlemlenmişti. Yeni çalışma, bu durumun gerçek bir fiziksel fenomen değil, hesaplama yönteminin yarattığı bir yapay sonuç olduğunu ortaya koyuyor. Araştırma ekibi, sayısal ve analitik argümanlar kullanarak, adyabatik değişim-korelasyon yaklaşımının sistemdeki küçük ve saf sinüzoidal salınımları yanlış bir şekilde büyüttüğünü gösterdi. Özellikle N2 molekülü üzerinde yapılan testler, farklı hesaplama yaklaşımlarının nasıl farklı sonuçlar verdiğini açık bir şekilde ortaya koydu.
Kimya
Yapay Zeka ile Katalizör Keşfinde Çığır Açan Yöntem Geliştirildi
Araştırmacılar, demir bazlı katalizörlerin performansını önceden tahmin eden yorumlanabilir makine öğrenmesi çerçevesi geliştirdi. Bu yenilikçi yaklaşım, metan dönüşümü gibi enerji yoğun uygulamalarda kullanılan katalizörlerin keşif sürecini hızlandırabilir. Sistem, SHAP tabanlı özellik önem analizi ve ağaç tabanlı topluluk algoritmalarını birleştirerek, katalizörlerin elektronik yapı özelliklerini ve performans ilişkilerini başarıyla çözümleyebiliyor. Geleneksel deneme-yanılma yöntemlerinin pahalı ve zaman alıcı olması nedeniyle bu tür akıllı yaklaşımlar, katalizör geliştirme alanında büyük önem taşıyor. Çalışma özellikle metan kısmi oksidasyonu için Fe-zeolit ve oksit destekli katalizörlere odaklanıyor.
Kimya
Yapay Zeka Destekli Kataliz Modellerinde Devrim: MACE Potansiyelleri
Bilim insanları, katalitik reaksiyonları modellemek için kullanılan makine öğrenimi tabanlı atomik potansiyelleri sistematik olarak iyileştirmenin yollarını araştırdı. MACE (Çok Atomlu Kümelenmiş Genişletme) potansiyellerinin farklı eğitim stratejileriyle nasıl optimize edilebileceğini inceleyen çalışma, CO₂'nin indirgenmesi, propan dehidrojenasyonu ve hidrojen interkalasyonu gibi 141 farklı reaksiyonu analiz etti. Araştırma, sıfırdan eğitim ile büyük temel modellerin ince ayarını karşılaştırarak, hangi yaklaşımların daha iyi sonuç verdiğini ortaya koydu. Bu gelişme, kataliz alanında hesaplamalı kimyanın hızını ve doğruluğunu artırarak, yeni katalizörlerin tasarımında önemli ilerlemeler sağlayabilir.
Kimya
GNN Tabanlı Moleküler Dinamik Simülatörlerde Yapı-Odaklı İlk Başlatma Yöntemi
Araştırmacılar, graf sinir ağlarına (GNN) dayalı moleküler dinamik simülatörlerinin temel sınırlarını aşan yeni bir yaklaşım geliştirdi. Geleneksel GNN simülatörleri, doğru tahmin yapabilmek için geçmiş zaman verilerine ihtiyaç duyar, bu da malzeme tasarımında kritik olan ters tasarım uygulamalarında kullanımlarını kısıtlar. Yeni yöntem, simülasyonları tek bir statik yapısal konfigürasyondan başlatabilmeyi mümkün kılıyor. Ayrıca, adayların genellikle eğitim verisi dışında kalan durumlarla başa çıkabilmek için güçlü genelleme yeteneği de sunuyor. Bu gelişme, karmaşık moleküler sistemlerin daha verimli modellenebilmesinin yanı sıra, malzeme tasarımında devrim yaratabilecek farklılaşabilirlik özelliğini de koruyor.
Kimya
Periyodik Sistemlerde Kuantum-Moleküler Mekaniğin Yeni Hibrit Modeli
Araştırmacılar, periyodik sistemlerde kuantum mekaniği ve moleküler mekaniği birleştiren yeni bir hibrit hesaplama yöntemi geliştirdi. Bu polarize edilebilir gömme (PE) QM/MM şeması, özellikle su moleküllerini içeren sistemlerde iki alt sistemin karşılıklı polarizasyonunu dikkate alıyor. Yöntem, yoğunluk fonksiyoneli teorisi (DFT) ile tanımlanan kuantum mekaniksel sistemi, su moleküllerini karakterize eden tek merkezli çok kutuplu genişleme modeli ile birleştiriyor. Bu yaklaşım, malzeme bilimi, kataliz ve biyomoleküler sistemlerin analizinde önemli avantajlar sunuyor. Geliştirilen model, uzun menzilli etkileşimleri verimli şekilde hesaplayarak, tam kuantum mekaniksel hesaplamaların doğruluğunu korurken hesaplama maliyetini önemli ölçüde düşürüyor.
Kimya
Yapay Zeka ile Moleküllerin Elektron Davranışını Daha Hızlı Tahmin Etmek
Kimyasal hesaplamalarda kritik olan elektron korelasyonlarının belirlenmesi için yeni bir yapay zeka yaklaşımı geliştirildi. Ranking Configuration Interaction (RCI) adı verilen bu yöntem, moleküllerdeki elektron davranışlarını tahmin etmek için geleneksel yöntemlerden farklı olarak 'sıralama' stratejisi kullanıyor. Transformer mimarisi kullanan sistem, elektronların orbital bağımlılıklarını daha doğru modelleyerek, kimyasal reaksiyonların ve moleküler özelliklerin hesaplanmasında önemli iyileştirmeler sağlıyor. Bu gelişme, ilaç tasarımından malzeme bilimlerine kadar pek çok alanda hesaplama kimyasının geleceğini şekillendirebilir.
Kimya
Yapay Zeka ile NMR Spektroskopisi: Moleküllerdeki Gizli Kimyasal Farkları Keşfetmek
Araştırmacılar, moleküllerin kimyasal özelliklerini anlamada kritik bir sorunu çözdü. Aynı yapıya sahip atomlar gerçekte farklı kimyasal ortamlarda bulunabilir, ancak geleneksel yöntemler bu farkları yakalayamıyor. Bilim insanları, NMR spektroskopisi verilerini yapay zeka ile birleştirerek CLAIM adlı yeni bir sistem geliştirdi. Bu sistem, moleküllerin 2D yapısal bilgilerini atom seviyesindeki NMR gözlemleriyle eşleştiriyor. Böylece kaybolmuş kimyasal detayları geri kazandırıyor ve dinamik moleküler davranışları daha iyi anlamamızı sağlıyor. Araştırma, ilaç keşfi ve malzeme biliminde yeni olanaklar sunuyor.