Araştırmacılar, sera işletmelerinin ticari sırlarını paylaşmadan birbirlerinden öğrenebileceği yeni bir yapay zeka sistemi geliştirdi. HierFedCEA adlı bu sistem, kontrollü tarım tesislerinin iklim verilerini gizli tutarken HVAC enerji tüketimini %30-38 oranında azaltabiliyor. Sistem, fizik yasalarından tesise özgü ekipman dinamiklerine kadar üç farklı seviyede öğrenme gerçekleştiriyor. Bu yaklaşım, yeni sera tesislerinin devreye alma süresini aylardan günlere indirgerken, işletmecilerin değerli tarım reçetelerinin gizliliğini de koruyor. Federe öğrenme ve diferansiyel gizlilik tekniklerini kullanan sistem, farklı tipteki seraların ortak bilgi havuzundan faydalanmasını sağlıyor.

Araştırmacılar, insan sürücüler ve otonom araçların birlikte bulunduğu karma trafik ortamları için yenilikçi bir yönetim sistemi geliştirdi. Bu hiyerarşik framework, akıllı araçları en verimli rotalarla yönlendirirken, aynı zamanda trafik ışıklarının zamanlamasını da optimize ediyor. Sistem iki katmanda çalışıyor: üst katman şehir genelindeki trafik verilerini analiz ederek bağlantılı ve otonom araçlar için proaktif rota önerileri sunuyor, alt katman ise kavşaklarda yerel araç durumlarını kullanarak hem trafik ışığı fazlarını hem de bireysel araç yörüngelerini eş zamanlı optimize ediyor. Bu yaklaşım, toplam seyahat süresini azaltırken enerji tüketimini de minimize etmeyi hedefliyor. Sioux Falls test ağında yapılan simülasyonlar, sistemin etkinliğini doğruluyor.

Araştırmacılar, metin belgelerini anlamlı sayısal verilere çeviren yenilikçi bir sistem geliştirdi. Bu yöntem, her belgeyi matematiksel bir temsille kodlayarak, içeriğinin semantik özelliklerini ölçülebilir hale getiriyor. Sistemin test edildiği çalışmada, yapay zeka konulu 11.922 Portekizce haber makalesi altı farklı anlam boyutunda analiz edildi. Geliştirilen pipeline, Qwen gömme modelleri ve UMAP boyut indirgeme teknikleriyle birleştirilerek, metin corpuslarının hem bireysel hem de toplu karakterizasyonunu mümkün kılıyor. Bu yaklaşım, büyük metin koleksiyonlarının izlenmesi, incelenmesi ve analitik süreçlerde kullanılması için pratik bir çözüm sunuyor.

Yer gözlem uydularının hangi görüntüleme görevlerini ne zaman gerçekleştireceğini belirlemek karmaşık bir optimizasyon problemidir. Geleneksel yöntemler, uydu operasyonlarını kısıtlayan faktörlerin önceden tam olarak bilindiğini varsayar. Ancak gerçekte güç tüketimi, termal sınırlar ve gözlemler arası mesafe gibi kısıtlar genellikle mühendislik yazılımlarında gömülü haldedir. Araştırmacılar, bu bilinmeyen kısıtları öğrenebilen yeni bir yapay zeka yaklaşımı geliştirdi. Conservative Constraint Acquisition adlı bu yöntem, uydu programlama sürecinde kısıtları etkileşimli olarak keşfederek daha verimli çizelgeleme imkanı sunuyor.

Bulut bilişimden kenar bilişime geçiş, yeni nesil akıllı sistemler için ciddi performans zorlukları yaratıyor. Araştırmacılar, bellek duvarı problemini çözmek için yenilikçi bir donanım-yazılım hibrit yaklaşımı geliştirdi. Tensor Bellek Motoru adı verilen bu sistem, veriyi bellekte ideal şekilde düzenleyerek önbellek performansını dramatik olarak artırıyor. Geleneksel veri yoğun uygulamalar ya kötü bellek erişimi sergiliyor ya da performans için aşırı bellek tüketimine zorlanıyor. Bu yeni teknoloji, işlemcinin veri yoluna şeffaf şekilde entegre edilerek, ticari SoC ve FPGA platformlarda uygulanabiliyor. Sistem, uygulamaların pahalı yeniden tasarım süreçlerine gerek kalmadan ideal önbellek yerelliği sağlamasına olanak tanıyor. Edge computing'in artan öneminde bu gelişme, mobil ve gömülü sistemlerde veri işleme performansını yeni boyutlara taşıyabilir.