Stanford araştırmacıları, yetişkinlerin yeni bir dil öğrenirken beyin aktivitelerini 7 gün boyunca takip etti. 102 katılımcının yapay bir dil öğrenme sürecini fMRI ile görüntüleyen çalışma, beynin tahmin ve geri bildirim sinyallerini nasıl farklı şekilde işlediğini ortaya koydu. Transformer yapay zeka modelleriyle karşılaştırma yapan araştırma, grup düzeyinde tahmin odaklı işlemlerin daha baskın olduğunu, ancak bireysel öğrenme başarısının geri bildirim mekanizmalarıyla daha güçlü ilişki gösterdiğini buldu. Çalışma, dil öğrenme sürecinde beynin duyusal ağlardan üst düzey dil ve çağrışım ağlarına geçiş yaptığını göstererek, soyutlama sürecinin nöral temellerini aydınlatıyor. Bu bulgular, kişiselleştirilmiş dil öğretim yöntemlerinin geliştirilmesine katkı sağlayabilir.

Araştırmacılar, beyin hücrelerinin çalışma şeklini taklit eden yeni bir sinyal işleme yöntemi geliştirdi. Bu yaklaşım, geleneksel yöntemlere kıyasla çok daha az enerji tüketen 'spike' tabanlı kodlamayı kullanıyor. Yöntem, dalga dönüşümü teorisiyle birleştirilerek hem matematiksel sağlamlık kazandırılmış hem de nöromorfikik donanımlarda doğrudan uygulanabilir hale getirilmiş. Elektrokardiyogram ve ses verilerinde yapılan testlerde, sürekli dalga dönüşümlerine benzer başarı oranları elde edildi. Bu gelişme, yapay zekanın enerji verimliliği sorununa çözüm sunarken, beyin-bilgisayar arayüzlerinden robotik uygulamalara kadar geniş bir kullanım alanına sahip.

Araştırmacılar, açısal ölçümlerin işlenmesinde yaşanan zorluklara çözüm olarak yeni bir döngüsel temsil yöntemi geliştirdi. Geleneksel açı ölçümlerinde, birbirine yakın açılar arasındaki fark pi değerini aştığında işleme sorunları yaşanıyor. Yeni yöntem, yüksek boyutlu uzayda gerçek değerli döngüsel gömme tekniklerini kullanarak bu sorunu çözüyor. Fourier gömme teknikleri kullanılan çalışmada, nöral ağların daha etkili açı işlemesi sağlanıyor. Yöntem aynı zamanda nokta çarpım benzerliklerinin kontrolüne olanak tanıyarak farklı çekirdek şekilleri oluşturabiliyor. Özellikle fiziksel ve algısal fenomenlerin temsil edilmesinde kritik öneme sahip periyodik sinyaller için önemli bir gelişme.

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.

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.

Araştırmacılar, ferromanyetik metal yüzeyler üzerinde kiral organik moleküllerin oluşturduğu hibrit ara yüzeylerin benzersiz özelliklerini incelediler. Altın kaplı kobalt-nikel manyetik katmanlar üzerindeki kiral porfirin moleküllerinin spin filtreleme yetenekleri araştırıldı. Bu hibrit yapılar, spinelektronik uygulamalar için önemli olan yüksek spin polarizasyonu sağlayabilir. Femtosaniye lazer spektroskopisi kullanılarak moleküllerin ışık altındaki davranışları gözlemlendi ve sadece tek moleküler katmanla bile güçlü sinyal alınabildiği gösterildi.

Araştırmacılar, atomik özelliklerin makine öğrenmesi hedefleri olarak değerlendirilmesinde yeni bir yaklaşım geliştirdi. Kısmi yükler ve multipoller gibi atomik özellikler kimyasal açıdan anlamlı bilgiler içerse de, bu özelliklerin atom düzeyinde değerlendirilmesi zorlu bir süreç olmuştur. Yeni çalışmada, atomik ortamları SOAP tanımlayıcıları ile kümeleyerek ve sadece eğitim sırasında görülmeyen küme etiketlerini hesaba katarak bir değerlendirme protokolü önerildi. Bu protokol kullanılarak, H, C, N ve O atomlarının elektron popülasyonları ile multipollerini tahmin etmede E(3)-eşdeğişken ve eşdeğişken olmayan modeller karşılaştırıldı. Araştırma sonucunda, rotasyonel olarak güçlendirilmiş ve eşdeğişken olmayan graf sinir ağı olan Quantum Topological Neural Network (QT-Net) geliştirildi.

Araştırmacılar, kuantum kimyasındaki karmaşık moleküler sistemleri analiz etmek için Neural Network Quantum States (NQS) yönteminin optimizasyonunda çığır açan bir yaklaşım geliştirdi. Geleneksel stokastik yöntemlerin örnekleme varyansı ve yavaş karışım problemlerini aşan bu deterministik framework, sinir ağı tabanlı dalga fonksiyonlarının optimizasyonunu büyük ölçüde hızlandırıyor. Hibrit CPU-GPU mimarisi kullanan sistem, 10^23 konfigürasyon içeren Hilbert uzaylarında hesaplama yapabilme kapasitesi sunuyor. Bu gelişme, krom dimeri gibi güçlü korelasyonlu sistemlerin analizi için yeni imkanlar yaratırken, moleküler bağ kopmalarının incelenmesinde kararlı yakınsama sağlıyor.

KAIST üniversitesinden araştırmacılar, çip ölçeğinde çalışan yenilikçi bir fotonik sistem geliştirerek mikrodalga ve milimetre dalga sinyallerinde ultra düşük gürültü seviyelerine ulaştı. Optik frekans tarakları (mikrotaraklar) tabanlı bu teknoloji, gelecek nesil haberleşme sistemleri ve hassas ölçüm cihazları için kompakt ve yüksek performanslı frekans kaynakları sunuyor. Dr. Changmin Ahn ve Prof. Jungwon Kim liderliğindeki ekip, Prof. Hansuek Lee ile işbirliği yaparak bu çığır açan başarıyı elde etti. Geleneksel büyük boyutlu sistemlere kıyasla dramatik bir küçülme sağlayan bu yaklaşım, 5G ve ötesi haberleşme teknolojileri, radar sistemleri ve bilimsel enstrümantasyon alanlarında devrim yaratma potansiyeli taşıyor.

Yakıt hücrelerinin verimliliğini artırmak için kritik öneme sahip proton hareketlerinin polimer-elektrot arayüzündeki davranışları, yeni bir ultra ince film yöntemiyle ilk kez ayrıştırılarak gözlemlenmebildi. Geleneksel empedans ölçümleri bu arayüzey katkılarını tek bir birleşik sinyal olarak gösterirken, yeni teknik sayesinde daha önce gizli kalan proton iletim yolları tespit edildi. Bu keşif, yakıt hücreleri ve benzeri enerji cihazlarının performansının anlaşılması ve geliştirilmesinde önemli bir adım teşkil ediyor. Araştırma, temiz enerji teknolojilerinin ilerlemesinde kritik rol oynayan proton dinamiklerinin daha detaylı analiz edilmesinin önünü açıyor.

Bilim insanları, beyin sinyallerini gerçek zamanlı olarak okuyarak çalışan devrim niteliğinde bir işitme sistemi geliştirdi. Bu teknoloji, kalabalık ortamlarda karşılaştığımız 'kokteyl partisi sorunu'nu çözmeyi hedefliyor. Sistem, kullanıcının beyin dalgalarını analiz ederek hangi sese odaklanmak istediğini anlıyor ve o sesi yükselterek diğerlerini bastırıyor. Bu yenilik, geleneksel işitme cihazlarının ötesine geçerek, insan beyninin doğal tercihlerine uyum sağlayan 'nöral uzantı' işitme cihazlarının kapısını aralıyor. Teknoloji, özellikle işitme güçlüğü yaşayan kişiler için büyük umut vadediyor.