Araştırmacılar, kablosuz ağlardaki spektrum yönetimi sorununu büyük dil modelleri (LLM) kullanarak çözmeye yönelik yeni bir yaklaşım geliştirdi. Geleneksel optimizasyon yöntemlerinin büyük ölçekli ağlarda yetersiz kaldığı durumlarda, LLM tabanlı sistem başarıyla spektrum erişimini optimize ediyor. Sistem, hiyerarşik durum serileştirme mekanizması sayesinde küresel çevre istatistikleri ile yerel kısıtları harmanlayarak, LLM'nin sınırlı bağlam penceresi içinde yüksek boyutlu akıl yürütme yapmasını sağlıyor. Araştırma, kod tabanlı paradigmanın soğuk başlatma darboğazını ortadan kaldırdığını ve doğrudan yürütme geri bildirimi ile üstün ölçekleme yasalarına ulaştığını gösteriyor.

Araştırmacılar, büyük dil modellerinin aynı anda birden fazla çelişkili hedefi optimize edebilmesi için yeni bir yaklaşım geliştirdi. STOMP adlı bu algoritma, geleneksel doğrusal ödül sistemlerinin aksine, Tchebysheff skalarizasyonu tekniğini kullanarak daha karmaşık optimizasyon problemlerini çözebiliyor. Bu gelişme, hem yardımsever hem de zararsız chatbot'lar geliştirmek ya da protein mühendisliğinde katalitik aktivite ve özgüllüğü aynı anda artırmak gibi gerçek dünya uygulamalarında önemli avantajlar sunuyor. Yöntem, Pareto optimal çözümlerin dışbükey olmayan bölgelerini de kapsayabiliyor.

Cerrahi güvenlik sorunu dünya çapında kritik bir sağlık meselesi olmaya devam ediyor. Cerrahların deneyim eksikliği ve durumsal farkındalık yetersizlikleri ameliyat başarısını olumsuz etkiliyor. Araştırmacılar, laparoskopik cerrahide hasta odaklı 3D modelleme teknolojisi geliştirerek bu soruna çözüm arıyor. Yeni sistem, ameliyat öncesi görüntülerle ameliyat sırasındaki gerçek organ görüntülerini eşleştirmek için yapay zeka kullanıyor. Transformer mimarisi tabanlı bu teknoloji, organların ameliyat sırasındaki deformasyonlarını hesaba katarak cerrahlara daha doğru görsel rehberlik sağlıyor. Geliştirilen nokta bulutu kayıt yöntemi, her hastaya özel optimizasyon yaparak ameliyat güvenliğini artırmayı hedefliyor. Bu teknolojik ilerleme, minimal invaziv cerrahide yeni bir dönemin başlangıcı olabilir.

Büyük dil modellerinin (LLM) öngörülemeyen davranışlar sergilemesinin ardındaki temel sebep ortaya çıkarıldı. ArXiv'de yayınlanan yeni araştırma, bu modellerin kaotik davranışlarının sayısal hassasiyet sınırlarından kaynaklandığını gösteriyor. Bilim insanları, kayan nokta sayılarındaki küçük yuvarlama hatalarının transformer katmanları boyunca nasıl yayıldığını ve büyüdüğünü izledi. Araştırmacılar, erken katmanlarda 'çığ etkisi' adını verdikleri kaotik bir fenomen keşfetti - küçük değişiklikler ya hızla büyüyor ya da tamamen sönüyor. Bu bulgular, yapay zeka sistemlerinin güvenilirliği için kritik önem taşıyor. Özellikle LLM'lerin otonom süreçlerde kullanımı arttıkça, bu öngörülemezlik ciddi bir güvenilirlik sorunu haline geliyor. Çalışma, farklı ölçeklerdeki modellerin üç farklı davranış rejimi sergilediğini ortaya koyuyor.

Araştırmacılar, enerji sistemlerinin tasarımında karşılaşılan 'çözümsüz' optimizasyon problemlerini çözülebilir hale getiren yeni bir çerçeve geliştirdi. Kontrol eş-tasarımı (CCD) yöntemi, enerji sistemlerinin hem fiziksel hem de kontrol parametrelerini aynı anda optimize ederek maksimum performans elde etmeyi amaçlar. Ancak enerji sistemlerinin karmaşık yapısı ve çelişkili gereksinimleri nedeniyle bu optimizasyon problemleri sık sık çözümsüz kalıyor. Yeni çerçeve, hangi kısıtlamaların soruna neden olduğunu tespit eden bir sıralama sistemi öneriyor ve imkansız görünen problemleri çözülebilir forma dönüştürüyor. Bu gelişme, rüzgar türbinlerinden güneş panellerine kadar çeşitli enerji sistemlerinin tasarım sürecini hızlandırabilir ve daha verimli enerji çözümleri geliştirilmesine katkı sağlayabilir.

Yapay zeka ve optimizasyon alanında önemli bir soruya odaklanan yeni araştırma, yüksek boyutlu problemlerin analizinde kullanılan boyut azaltma tekniklerinin etkinliğini sorguluyor. Keşifsel Peyzaj Analizi (ELA), karmaşık optimizasyon problemlerini sayısal özelliklerle karakterize etmek için kullanılan güçlü bir yöntem. Ancak yüksek boyutlu problemlerde hesaplama maliyeti ve veri seyrekliği gibi zorluklarla karşılaşıyor. Bu durumda araştırmacılar sıklıkla rastgele projeksiyon yöntemleriyle boyut azaltmaya başvuruyor. Fakat bu yaklaşımın orijinal problemin temel özelliklerini ne kadar koruduğu belirsizdi. Yeni çalışma, Rastgele Gauss Gömmeleri kullanarak boyut azaltmanın ELA özelliklerini nasıl etkilediğini kapsamlı şekilde inceliyor.

Araştırmacılar, insanların farklı görevler arasında geçiş yapma yeteneği olan bilişsel esnekliği yapay zeka modellerinde nasıl geliştirebileceğini inceledi. Çalışma, çok görevli öğrenme ortamlarında görev yapısının ve çevre koşullarının bilişsel esneklik üzerindeki etkisini araştırıyor. Önceki bilgileri korurken (bilişsel kararlılık) yeni görevlere de aktarabilme (bilişsel genelleme) kabiliyeti, hem insanlar hem de yapay zeka sistemleri için kritik öneme sahip. Araştırmada graf teorisi yöntemleri kullanılarak tasarlanan özel öğrenme ortamında, dikkat tabanlı modellerin görevleri bileşenlerine ayırabildiği ve sıralı dikkat mekanizmaları geliştirebileceği gösterildi. Bu bulgular, gelecekteki yapay zeka sistemlerinin daha esnek ve adaptif olmasına katkı sağlayabilir.

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.

Araştırmacılar, milyarlarca parametreli yapay zeka modellerini yeniden eğitmeden küçültebilen yeni bir framework geliştirdi. MOONSHOT adlı bu sistem, mevcut model sıkıştırma yöntemlerinin tek hedefli yaklaşımlarının yetersizliklerini gidererek, hem katman bazında yeniden yapılandırma hatalarını hem de eğitim kaybının matematiksel yaklaşımlarını aynı anda optimize ediyor. Bu çoklu hedefli strateji, farklı mimarilerde ve sıkıştırma seviyelerinde daha tutarlı sonuçlar veriyor. Framework, mevcut budama algoritmalarının etrafına sarılabilen esnek bir yapıya sahip ve büyük dil modellerinden görüntü işleme modellerine kadar geniş bir yelpazede kullanılabiliyor.

Otonom sistemlerde güvenlik kısıtlamalarının korunması için kullanılan güvenlik filtrelerinin performansını artıran yeni bir yöntem geliştirildi. Araştırmacılar, Pontryagin Maksimum Prensibi kullanarak güvenlik ihlallerini zar zor önleyen sınır yörüngelerini karakterize etti. Bu yaklaşım, öğrenme tabanlı Hamilton-Jacobi Erişilebilirlik sistemlerinde veri toplama sürecini yönlendirerek, güvenlik açısından kritik durumlar yakınında öğrenme çabalarını yoğunlaştırıyor. Geliştirilen Kontrol Bariyeri Değer Fonksiyonu doğrudan güvenlik filtrelemesi için kullanılabiliyor. Yöntem, özellikle yüksek boyutlu karmaşık sistemlerde kısıt ihlallerine yol açabilecek durumları içeren bilgilendirici verilerin örneklenmesi sorununa çözüm getiriyor. Otonom araç yarışı uygulamasında yapılan deneysel doğrulamalar, PMP örnekleme yönteminin öğrenme verimliliğini artırdığını, daha hızlı yakınsama sağladığını ve başarısızlık oranlarını azalttığını gösterdi.

İsveç Chalmers Teknoloji Üniversitesi araştırmacıları, kuantum bilgisayarların en büyük zorluğu olan kararlılık problemini çözmek için devrim niteliğinde bir yaklaşım geliştirdi. 'Dev süperatomlar' konseptine dayanan bu yeni kuantum sistemi teorisi, kuantum bilgilerinin daha güvenli korunması, kontrol edilmesi ve dağıtılması imkanı sunuyor. Süperatomlar, atomların belirli düzenlemelerle bir araya gelerek tek bir büyük atom gibi davrandığı yapılardır. Bu yenilikçi yaklaşım, kuantum durumlarının çevresel bozunmalara karşı daha dayanıklı olmasını sağlayarak, büyük ölçekli kuantum bilgisayarların inşası yolunda kritik bir adım olabilir. Geleneksel kuantum sistemlerde yaşanan dekoherans problemi, bu dev süperatomlar sayesinde minimize edilebilir ve kuantum hesaplamaların güvenilirliği artırılabilir.