Araştırmacılar, protein dinamiklerini anlamamızda çığır açabilecek yeni bir yapay zeka sistemi geliştirdi. DeepAFM adlı bu sistem, atomik kuvvet mikroskobu ile alınan gürültülü görüntülerden protein hareketlerini %93.4 doğrulukla deşifre edebiliyor. Bu başarı, 2018'de AlphaFold'un protein yapısı tahmininde gösterdiği çıkıştan sonra, protein biliminde yeni bir dönüm noktası oluşturuyor. Proteinlerin nasıl hareket ettiğini anlamak, hastalık mekanizmalarından ilaç geliştirmeye kadar birçok alanda kritik öneme sahip.

Araştırmacılar, malzemelerdeki iyon taşınımını tahmin etmek için yeni bir yapay zeka yöntemi geliştirdi. Geleneksel moleküler dinamik simülasyonları çok yavaş ve maliyetli olurken, mevcut AI yöntemleri de hata birikimine eğilimli. Yeni yaklaşım, eğitim sırasında atomik yörüngeleri yardımcı veri olarak kullanarak hem hızlı hem de doğru tahminler üretiyor. Bu gelişme, batarya teknolojisinden ilaç tasarımına kadar birçok alanda devrim yaratabilir. Sistem, statik atom yapılarından dinamik iyon davranışlarını öğrenmeyi başararak, malzeme bilimindeki büyük bir zorluğu çözüyor.

Araştırmacılar, grafit ve geçiş metal dikalkojenit gibi katmanlı malzemelerin tabakalarının ayrılma enerjilerini hesaplamak için yeni bir yöntem geliştirdi. Yoğunluk fonksiyonel teorisi (DFT) tabanlı bu yaklaşım, London dispersiyon kuvvetlerini daha doğru modelleyerek malzeme özelliklerinin tahminini iyileştiriyor. XDM(Z) adı verilen yeni sönümleme fonksiyonu ve üç-cisim etkileşimlerinin dahil edilmesi, özellikle grafit, hegzagonal bor nitrür ve kurşun oksit gibi malzemeler için daha hassas sonuçlar veriyor. Bu gelişme, iki boyutlu malzemelerin tasarımı ve nanoteknoloji uygulamaları açısından önemli.

Araştırmacılar, akıllı telefonların basınç sensörlerini kullanarak katı maddelerin yoğunluğunu ölçmenin yeni bir yolunu geliştirdi. Bu basit yöntem, bir nesnenin havada ve sıvı içinde tam batık durumdayken oluşturduğu basınç değerlerini karşılaştırarak yoğunluk hesaplaması yapıyor. Archimedes prensibine dayanan bu teknik, pahalı laboratuvar ekipmanlarına alternatif oluşturuyor. Fizik eğitimi alanında yayınlanan çalışma, günlük teknolojilerin bilimsel araç olarak nasıl kullanılabileceğini gösteriyor. Yöntem özellikle eğitim kurumlarında maliyet-etkin ölçüm imkanı sunuyor.

Kuantum kimyası hesaplamalarında büyük bir ilerleme kaydedildi. Araştırmacılar, moleküllerin elektronik yapılarını analiz etmek için kullanılan karmaşık tensor işlemlerini stokastik yöntemlerle gerçekleştiren yeni bir teknik geliştirdi. Bu yaklaşım, altın standart olarak kabul edilen coupled cluster teorisinin hesaplama maliyetini dramatik şekilde düşürürken, kimyasal doğruluk seviyesini koruyor. Yöntem, geleneksel yaklaşımlara göre hem hesaplama süresinde hem de hata oranlarında on kat iyileşme sağlayarak, daha büyük moleküler sistemlerin incelenmesinin önünü açıyor. Bu gelişme, kuantum kimyası alanında maliyet-doğruluk dengesini yeniden şekillendirebilecek nitelikte.

Araştırmacılar, su kümelerinin davranışını tahmin etmek için yenilikçi bir yapay zeka destekli moleküler dinamik simülasyon yöntemi geliştirdi. PDMD adlı bu sistem, geleneksel yöntemlerin karşılaştığı doğruluk-hız ikilemini çözerek, hem yüksek hassasiyette hem de hızlı hesaplamalar yapabiliyor. Gaussian tabanlı geometrik tanımlayıcılar ve ChemGNN adlı grafik sinir ağı kullanan sistem, herhangi bir boyuttaki su kümesinin enerji ve kuvvet değerlerini tahmin edebiliyor. Sistem, enerji tahmininde atom başına 1,39 meV, kuvvet tahmininde ise angström başına 50,7 meV hata payıyla çalışıyor ve mevcut DeepMD teknolojisinden 5 kat daha iyi performans gösteriyor. Bu gelişme, malzeme bilimi ve kimya simülasyonlarında önemli ilerlemeler sağlayabilir.

Bilim dünyası, yapay zeka destekli hava durumu ve iklim modellerini değerlendiren büyük çaplı bir karşılaştırma projesi başlattı. AIMIP (Yapay Zeka İklim Modeli Karşılaştırma Projesi) adlı bu çalışma, farklı AI modellerinin iklim simülasyonlarındaki başarısını ölçüyor. Projede, 1979-2024 yılları arasındaki tarihsel veriler kullanılarak modeller test ediliyor. İlk sonuçlar, AI modellerinin tarihi iklim koşullarını ve El Niño gibi önemli iklim olaylarını başarılı şekilde simüle edebildiğini gösteriyor. Bu çalışma, iklim biliminde AI kullanımına güveni artırmak ve farklı AI mimarilerinin model davranışlarına etkisini anlamak için kritik öneme sahip.

Meteoroloji alanında önemli bir gelişme yaşanıyor. Araştırmacılar, uydu verilerinden yağış tahminlerini iyileştiren GPROF-IR adlı yeni bir sistem geliştirdi. Bu sistem, evrişimli sinir ağları kullanarak infrared gözlemlerden daha hassas yağış tahminleri üretiyor. Mevcut uydu sistemleri farklı sensör türlerini birleştirmeye çalışırken tutarsızlıklar yaşıyor ve bu da hava durumu tahminlerinde hatalar oluşturuyor. GPROF-IR, yarım saatlik infrared gözlemlerdeki zamansal bilgileri analiz ederek bu sorunu çözmeyi hedefliyor. Sistem, özellikle küresel hava durumu takip sistemlerine entegre edilmek üzere tasarlandı.

Amerikalı araştırmacılar, atmosfer türbülansının optik sistemler üzerindeki etkilerini tahmin etmek için makine öğrenmesi modellerini test etti. Türbülans, teleskoplardan lazer iletişimine kadar birçok optik uygulamayı olumsuz etkileyen, atmosferin kırılma indisindeki değişimlere neden olan bir fenomen. Çalışmada ERA5 yeniden analiz verileri kullanılarak geliştirilen yapay zeka modelleri, yüzeye yakın optik türbülans gücünü tahmin etmeye odaklandı. Güney Kaliforniya ve New York'ta yapılan testlerde, modellerin farklı hava koşulları ve arazi yapılarına rağmen başarılı sonuçlar verdiği gözlemlendi. Bu gelişme, astronomik gözlemler, uydu iletişimi ve atmosferik optik uygulamalar için önemli iyileştirmeler sağlayabilir.

Yapay zeka destekli hava tahmin modelleri artık geleneksel sayısal sistemlerle yarışabilir duruma geldi. Ancak çoğu model hala pahalı altyapılara bağımlı kalarak başlangıç koşulları için geleneksel veri asimilasyonu sistemlerini kullanıyor. Araştırmacılar, uydu ve konvansiyonel gözlemlerden doğrudan atmosfer durumunu haritalayan HealDA adlı yeni bir makine öğrenmesi tabanlı veri asimilasyon sistemi geliştirdi. Bu sistem, mevcut operasyonel sistemlere kıyasla daha az sensör kullanarak global ölçekte çalışabiliyor. Çalışma, yapay zeka hava tahmin modellerinin başlangıç koşullarındaki hataların önemini vurguluyor ve bu alandaki altyapı bağımlılığını azaltma potansiyeli gösteriyor.

Araştırmacılar, hava tahmini alanında çığır açan bir keşif yaptı. Google'ın yapay zeka hibrit modeli NGCM'nin, tropik siklonların küresel hava durumu üzerindeki etkilerini, geleneksel fiziksel modellerle aynı başarıyla tahmin edebildiği ortaya çıktı. Kuzey Yarımküre'den 108 vaka analizi, her iki model türünün de benzer hata gelişimi gösterdiğini kanıtladı. Bu bulgu, yapay zekanın atmosferik süreçleri doğrudan simüle etmeden de kompleks iklim olaylarını başarıyla modelleyebileceğini gösteriyor. Özellikle kutuplara doğru hareket eden tropik siklonların, ABD ve Avrupa'nın iki haftalık hava tahminlerini olumsuz etkilediği tespit edildi. Çalışma, meteoroloji alanında AI teknolojisinin potansiyelini ortaya koyuyor.