Araştırmacılar, nükleer santrallerin güvenlik sistemlerinde devrim yaratabilecek yeni bir yapay zeka teknolojisi geliştirdi. Geleneksel yapay sinir ağları, yeni sistemleri öğrenirken önceki bilgileri 'unutma' sorunu yaşıyor - bu da nükleer tesislerde kritik güvenlik açıklarına yol açabiliyor. Yeni sistem, insan beyninin çalışma prensibini taklit eden 'spiking neural network' teknolojisini kullanarak bu sorunu çözüyor. Sistem, farklı zamanlarda devreye alınan alt sistemleri izlerken önceki öğrendiklerini unutmuyor ve sürekli öğrenmeye devam edebiliyor. En önemli avantajı ise enerji verimliliği - sensör verilerinin %92,7'sini seyrek hale getirerek çok daha az enerji tüketiyor. Bu teknoloji, nükleer santrallerin güvenlik sistemlerinin daha akıllı ve güvenilir olmasını sağlayabilir.

Araştırmacılar, 3 boyutlu türbülanslı akışkanları simüle etmek için FlowRefiner adı verilen yeni bir yapay zeka modeli geliştirdi. Geleneksel neural PDE çözücülerinin aksine, bu model iteratif iyileştirme yöntemi kullanarak türbülanslı akışlardaki karmaşık yapıları daha doğru bir şekilde modelleyebiliyor. FlowRefiner, stokastik gürültü giderme yerine deterministik ODE tabanlı düzeltme kullanıyor ve tüm iyileştirme aşamalarında birleşik hız alanı regresyon hedefi benimsiyor. Bu yaklaşım, hava dinamiği, okyanus akıntıları ve endüstriyel akışkan simülasyonları gibi alanlarda çığır açabilir.

Astronomlar, yapay zeka algoritmaları kullanarak keşfettikleri güçlü gravitasyonel merceklerin detaylı spektroskopik analizini gerçekleştirdi. DESI Legacy Imaging Surveys verilerinde Residual Neural Networks (ResNet) ile tespit edilen bu sistemler, daha sonra Hubble Uzay Teleskobu ile görüntülenerek doğrulandı. Keck Gözlemevi'nin NIRES spektrometresi ve DESI enstrümanı kullanılarak yapılan gözlemler, bu merceklerin arkasındaki kaynak galaksilerin kırmızıya kayma değerlerini belirledi. Araştırmacılar sekiz hedef sistemden altısının kaynak kırmızıya kayma değerlerini başarıyla ölçtü. Bu değerler z=1.675 ile 3.332 arasında değişiyor ve evrenin oldukça erken dönemlerindeki galaksilere ışık tutuyor. Elde edilen veriler, gravitasyonel mercekleme modellemesi için kritik öneme sahip ve karanlık maddenin dağılımı hakkında değerli bilgiler sağlayacak.

Araştırmacılar, elektroensefalografi (EEG) sinyallerini kullanarak acil frenleme davranışını önceden tahmin edebilen yeni bir sistem geliştirdi. Bu teknoloji, beyin dalgalarındaki parazitleri temizleyerek frenleme hareketiyle ilişkili neural sinyalleri ayırt ediyor. Bağımsız bileşen analizi ve zaman-frekans analizi gibi ileri teknikler kullanan sistem, frenleme şiddetini 200 milisaniye öncesinden tahmin edebiliyor. Bu gelişme, özellikle otonom araçlar ve güvenlik sistemleri için devrim niteliğinde olabilir. Çalışma, acil frenleme sürecinin beynimizde nasıl işlendiğine dair yeni bilgiler de sunuyor.

Araştırmacılar, düşük irtifada uçan drone'lardan toplanan görüntülerle 3D sahne rekonstrüksiyonu yapan yeni bir sistem geliştirdi. LAGS (Low-Altitude Gaussian Splatting) adı verilen bu teknoloji, dağıtık drone filolarının çektiği hava görüntülerini birleştirerek üç boyutlu sahneler oluşturuyor. Ancak mevcut kaynak dağıtım sistemleri, görüntü kalitesini maksimuma çıkarmaya odaklanırken iletişim verimliliğini göz ardı ediyordu. Yeni geliştirilen GW-HGNN (Groupwise Heterogeneous Graph Neural Network) sistemi, farklı açılardan çekilen görüntülerin yeniden yapılandırma sürecine olan katkılarını akıllıca hesaplayarak bu sorunu çözüyor. Sistem, veri kalitesi ve aktarım maliyeti arasında otomatik denge kuruyor. Gerçek dünya verileriyle yapılan testler, yeni metodun mevcut teknolojilerden önemli ölçüde daha başarılı olduğunu gösteriyor.

Geleneksel matematik ve fizik problemlerini çözmek için kullanılan sayısal yöntemler hem zaman alıyor hem de hesaplama açısından oldukça maliyetli. Sonlu Elemanlar Yöntemi gibi klasik teknikler, ısı transferi, akışkanlar mekaniği veya elektrodinamik gibi karmaşık fiziksel olayları modellerken büyük hesaplama gücü gerektiriyor. Bu noktada makine öğrenmesi tabanlı neural operatörler devreye giriyor. Bu yeni yaklaşım, veri odaklı bir şekilde çalışarak hem daha hızlı sonuçlar üretiyor hem de oldukça doğru tahminler yapabiliyor. Neural operatörlerin en önemli avantajları arasında ayrıklaştırma ve çözünürlük bağımsızlığı yer alıyor. Bu özellikler, onları geleneksel yöntemlere güçlü bir alternatif haline getiriyor ve bilimsel hesaplama alanında paradigma değişikliği yaratıyor.

Araştırmacılar, kamera pozisyonlarındaki belirsizlikleri hesaba katan yeni bir yapay zeka sistemi geliştirdi. PCM-NeRF adlı bu sistem, her kameranın güvenilirlik seviyesini öğrenerek 3D yüzey yeniden yapılandırmasında çığır açıyor. Geleneksel sistemler kamera pozisyonlarının mükemmel olduğunu varsayarken, yeni yaklaşım belirsizlikleri fırsata çeviriyor. Sistem, güvenilir olmayan kamera görüntülerinin etkisini azaltarak daha doğru ve eksiksiz 3D modeller üretebiliyor. Bu gelişme, bilgisayarlı görme ve 3D modelleme alanlarında önemli bir ilerleme anlamına geliyor.

Araştırmacılar, sınırlı sayıda görüntüden hassas 3D yüzey modelleri oluşturabilen yeni bir yapay zeka sistemi geliştirdi. EpiS adı verilen bu sistem, geleneksel yöntemlerin aksine epipolar geometriyi kullanarak çok daha detaylı modeller üretiyor. Mevcut sistemler genellikle basit istatistiksel yöntemlerle çalışırken, EpiS farklı açılardan çekilen görüntüler arasındaki geometrik ilişkileri daha akıllıca analiz ediyor. Bu yaklaşım özellikle nesne engellemeleri ve belirsizliklerin yoğun olduğu durumlarda önemli avantajlar sağlıyor. Sistem, epipolar transformer teknolojisi kullanarak çok görüntülü bilgileri birleştiriyor ve ray tabanlı toplama ile yüzey tahmini yapıyor. Bu gelişme, sanal gerçeklik, robotik görü ve dijital modellemede devrim yaratabilir.

Araştırmacılar, kalp ritmi bozukluklarını tespit etmek için geliştirilen SparrowSNN adlı yeni yapay sinir ağı sistemini tanıttı. Bu teknoloji, geleneksel derin öğrenme yöntemlerinin aksine insan beynindeki nöronları taklit eden 'spiking neural network' yaklaşımını kullanıyor. Sistem, pil ile çalışan küçük cihazlarda kalp elektrokardiyogramı (EKG) verilerini analiz ederken son derece düşük enerji tüketiyor. Özellikle mikrovatlar seviyesinde güç tüketen bu yenilik, taşınabilir sağlık cihazları ve giyilebilir teknolojiler için devrim niteliğinde. Araştırma, hem donanım hem yazılım optimizasyonlarını bir araya getirerek, akıllı saat gibi cihazlarda sürekli kalp takibini mümkün kılabilir.

Ağ performansının en kötü senaryolarını analiz etmek için kullanılan Network Calculus teorisinde önemli bir matematiksel tartışma yaşanıyor. Bu teori, ağ gecikmesi ve tampon doluluk oranları gibi kritik performans ölçütlerinin üst sınırlarını belirlemeye yarar. Yakın zamanda bazı araştırmacılar, özellikle geri besleme kontrolü bulunan sistemlerde negatif değerli fonksiyonların da geçerli analizler sunabileceğini öne sürmüştü. Ancak yeni bir çalışma, geleneksel pozitif fonksiyon yaklaşımının tüm bu durumlarda da başarıyla uygulanabileceğini gösteriyor. Araştırmacılar, alt-toplamsal fonksiyonların detaylı analizinin anahtarı olduğunu belirtiyor. Bu gelişme, ağ sistemlerinin güvenilir performans analizi için hangi matematiksel araçların kullanılması gerektiği konusunda netlik sağlıyor.

Araştırmacılar, gelecek nesil optik cihazların tasarımını hızlandıran yenilikçi bir yapay zeka yöntemi geliştirdi. Neural Adjoint Method adlı bu teknik, kompakt lens ve renk yönlendirme sistemleri tasarlarken karşılaşılan hesaplama zorluğunu çözüyor. Geleneksel yöntemlerle binlerce kez çözülmesi gereken Maxwell denklemleri yerine, Fourier Neural Operator kullanan sistem, 3D optik yapıları çok daha hızlı optimize edebiliyor. Bu gelişme, akıllı telefon kameralarından sanal gerçeklik gözlüklerine kadar birçok alanda kullanılan meta-optik teknolojilerin endüstriyel ölçekte üretimini kolaylaştıracak.