Araştırmacılar, beynin çalışma prensiplerini taklit eden spiking sinir ağlarında çığır açan bir gelişme gerçekleştirdi. Geleneksel yapay zeka sistemlerinin aksine, bu yeni yaklaşım nöronlar arası gecikmeleri öğrenebilen ve evrişimli bağlantılar kullanan bir mimari sunuyor. DelRec adı verilen bu teknoloji, ses sınıflandırma görevlerinde %99 daha az bellek kullanırken, işlem hızını 52 kat artırmayı başardı. Bu gelişme, özellikle akıllı telefonlar ve IoT cihazları gibi sınırlı kaynaklara sahip sistemlerde yapay zekanın daha verimli çalışmasının önünü açıyor. Spiking sinir ağları, gerçek beyin nöronlarının elektriksel darbe şeklinde iletişim kurma biçimini taklit ederek, enerji tüketimi açısından büyük avantajlar sunuyor.

Araştırmacılar beyin tümörlerinin sınıflandırılması için çift omurga mimarisine sahip yenilikçi bir yapay zeka sistemi geliştirdi. VGG16 ve Xception ağlarını birleştiren bu sistem, Frekans Kapılı Dikkat Bloğu ile yerel ve küresel özellikleri etkili şekilde yakalayabiliyor. En dikkat çekici özelliği, veri artırma teknikleri kullanmadan %99,24 doğruluk oranına ulaşması. Grad-CAM görselleştirme teknolojisi sayesinde sistemin hangi beyin bölgelerini analiz ederek karar verdiğini görebilen doktorlar, yapay zekanın önerilerini daha güvenle değerlendirebilecek. Bu şeffaflık özelliği, klinik uygulamalarda güven sorununu çözmeye yönelik önemli bir adım.

Araştırmacılar, beyin MR görüntülerinden hareketle beynin zaman içindeki değişimini modelleyebilen yeni bir yapay zeka sistemi geliştirdi. CLIMB adlı bu sistem, hasta beyninin gelecekteki durumunu tahmin ederek erken müdahale ve tedavi planlamasına yardımcı olabilir. Sistem, temel MR taraması ve yaş bilgisini kullanarak, hastanın cinsiyeti, hastalık durumu, genetik bilgileri ve beyin yapısı hacimlerini de göz önünde bulundurarak beynin anatomik değişimlerini modelliyor. Geleneksel yöntemlerden farklı olarak, Mamba tabanlı durum uzayı modellemesi kullanan sistem, beyin görüntülerinin temporal evrimini daha etkili şekilde analiz edebiliyor. Bu teknoloji, özellikle nörodejeneratif hastalıkların erken teşhisi ve ilerleyişinin takibinde devrim yaratma potansiyeli taşıyor.

Araştırmacılar, gelecek nesil nöromorfik elektronik uygulamaları için umut verici olan hafnia tabanlı ferroelektrik memristif cihazlarda çığır açan bir keşif yaptı. Epitaksiyel büyütülmüş Hf₀.₅Zr₀.₅O₂/La₀.₆₇Sr₀.₃₃MnO₃ heteroyapılarında gerçekleştirilen kapsamlı analizde, cihaz boyutunun elektriksel iletim mekanizmasını nasıl belirlediği ortaya çıkarıldı. Üç büyüklük mertebesi boyunca değişen cihaz alanlarında yapılan istatistiksel analizde, küçük ve büyük cihazların tamamen farklı memristif davranış sergilediği gözlemlendi. Bu bulgular, beyin benzeri hesaplama sistemleri için kritik öneme sahip memristif cihazların tasarımında yeni perspektifler sunuyor.

Bilim insanları, beyin hücrelerinin elektriksel sinyallerinin ne kadar güvenilir olduğunu belirleyen matematiksel bir mekanizmayı keşfetti. Hodgkin-Huxley modelini kullanarak yapılan araştırma, nöronların normal koşullarda 'büzülme' özelliği gösterdiğini ve bu durumun sinyal zamanlamasının tutarlılığını sağladığını ortaya koydu. Ancak çok yoğun sinyal bombardımanı altında bu güvenilirlik kaybolabiliyor. Bu keşif, beyin işlevlerinin nasıl bu kadar hassas ve tutarlı olabildiğini açıklıyor ve nörolojik bozuklukların anlaşılmasına yeni perspektifler sunuyor.

Bilim insanları, nöronlar ve astrositler arasındaki işbirliğinden esinlenerek geliştirdikleri yapay sinir ağıyla navigasyon alanında büyük ilerleme kaydetti. İki farklı zaman ölçeğinde çalışan bu sistem, uzun vadeli başarılı hareketleri hatırlarken kısa vadede yakın zamanda ziyaret edilen yerleri baskılıyor. Bu yaklaşım, geleneksel yapay zeka sistemlerinin zorlandığı kısmi gözlemlenebilirlik koşullarında bile etkili navigasyon sağlıyor. Grid dünyası navigasyon testlerinde sistem, hedefe ulaşma mesafesini altı kata kadar kısaltmayı başardı. Bu gelişme, robotik, otonom araçlar ve oyun yapay zekası gibi alanlarda devrim yaratabilir.

Bilim insanları, beyin hücrelerindeki klorür konsantrasyonunun epilepsi nöbetlerinin nasıl geliştiğini ve farklı aşamalara geçişini nasıl kontrol ettiğini ortaya çıkardı. Araştırma, klorür homeostazının uyarıcı ve engelleyici sinir ağları arasındaki dengeyi düzenlediğini ve bu dengenin bozulmasının nöbet dinamiklerini şekillendirdiğini gösteriyor. Bulgular, epilepsi tedavilerinde yeni yaklaşımların geliştirilmesi için önemli ipuçları sunuyor.

Bilim insanları, beynin çok katmanlı yapısından ilham alarak yeni bir yapay zeka modeli geliştirdi. 'Aktif çıkarım' olarak adlandırılan bu yaklaşım, beynin algılama, eylem ve öğrenme süreçlerini taklit ediyor. Araştırmacılar, karmaşık gerçek dünya problemlerini çözmek için hiyerarşik bir yapı kullanarak bu teknolojiyi geliştirdi. Model, alt seviyedeki basit öğrenmeleri kullanarak üst seviye soyut durumları anlayabiliyor ve daha etkili planlama yapabiliyor. Bu yaklaşım, navigasyon ve planlama gibi ekolojik önemli görevlerde başarılı sonuçlar gösterdi. Beynin doğal işleyişini taklit eden bu yöntem, yapay zekanın gerçek dünyada daha karmaşık problemleri çözmesine olanak tanıyabilir.

Fizikçiler, egzotik kuantum madde durumları sergileyen kagome kristallerde Dirac düğümlerinin nasıl oluştuğunu ve kararlı kaldığını açıklayan yeni bir mekanizma keşfetti. YCOB adlı kagome spin sıvısı adayında yapılan deneyler, manyetizasyon plato bölgesinde Dirac fermiyonik spinonların varlığını göstermişti. Ancak bu sistemde düğümleri koruyan bir simetri bulunmaması, bilim insanlarını bunların nasıl kararlı kaldığı konusunda düşündürüyordu. Yeni araştırma, Dzyaloshinskii-Moriya etkileşimlerinin bu düğümleri hem yarattığını hem de sabitlediğini ortaya koyuyor. Bu keşif, kuantum spin sıvılarının anlaşılmasında önemli bir adım ve gelecekteki kuantum teknolojiler için potansiyel uygulamaları barındırıyor.

Araştırmacılar, makine öğrenmesi teknikleriyle DEHB (Dikkat Eksikliği Hiperaktivite Bozukluğu) hastalarının beyin aktivitelerini analiz ederek, bu durumun nöral mekanizmalarını aydınlatmaya çalışıyor. EEG kayıtları ve nörögörüntüleme verilerini kullanan bu çalışma, motivasyon, çaba ve ödül mekanizmalarının beynimizde nasıl işlediğini anlamaya odaklanıyor. Araştırma, DEHB'den apati durumuna kadar uzanan geniş bir spektrumda görülen davranışsal bozuklukların altında yatan beyin dinamiklerini inceliyor. Makine öğrenmesi algoritmalarının bu alanda sunduğu yeni imkanlar, gelecekte daha etkili teşhis ve tedavi yöntemlerinin geliştirilmesi için umut vadediyor.

Araştırmacılar, fMRI beyin görüntüleme verilerini kullanarak insanların zihinlerinde canlandırdıkları görüntüleri yeniden oluşturabilen gelişmiş bir yapay zeka sistemi geliştirdi. Çalışma, mevcut algı tabanlı beyin kod çözme teknolojilerini mental görselleştirme süreçlerine uyarlayarak önemli bir adım attı. Sistem, hayal edilen içerikleri başarıyla görselleştirebildi ve bu teknoloji gelecekte beyin-bilgisayar arayüzleri, nörolojik hastalıkların tedavisi ve insan bilişinin anlaşılması gibi alanlarda devrim yaratabilir. Araştırma, Natural Scenes Dataset gibi büyük ölçekli veri setleri ve güçlü üretken modellerin kombinasyonuyla gerçekleştirildi.