Araştırmacılar, havaalanı çevresindeki hava trafiğini tahmin etmek için yenilikçi bir yapay zeka sistemi geliştirdi. AeroSense adlı bu sistem, geleneksel zaman serisi analizi yerine uçakların anlık durumlarını doğrudan işleyerek trafik akışını öngörüyor. Sistem, uçakların gerçek zamanlı konumları, hızları ve havaalanı sınırlarına yakınlıklarını dikkate alarak daha hassas tahminler yapabiliyor. Bu yenilik, hava trafik yönetiminde proaktif yaklaşımları mümkün kılarak güvenlik ve verimlilik artışı sağlayabilir.

Stanford araştırmacıları, giyilebilir sağlık cihazlarında yapay zeka modellerinin doğrudan cihaz üzerinde eğitilmesini sağlayan BioTrain sistemini geliştirdi. EEG ve göz hareketleri gibi biyosinyallerde kişiler arası büyük farklılıklar bulunması, yapay zeka modellerinin performansını ciddi şekilde düşürüyor. Geleneksel yöntemlerle bu sorunu çözmek için bulut tabanlı işlem gerekirken, bu yaklaşım gizlilik endişelerini beraberinde getiriyor. BioTrain, 50 miliwat altında güç tüketimiyle ve 1 megabayt altında bellek kullanımıyla tam ağ eğitimi yapabiliyor. Sistem, hem yeni kullanıcılar için ilk gün kalibrasyonunda hem de uzun vadeli sinyal değişimlerine uyumda test edildi. Sonuçlar, bu yaklaşımın doğruluk oranında yüzde 35'e varan iyileşmeler sağladığını gösteriyor. Bu teknoloji, giyilebilir sağlık cihazlarının kişiselleştirilmesi ve güvenilirliği açısından önemli bir adım teşkil ediyor.

Araştırmacılar, şehir trafiğini daha akıllı yönetebilmek için yeni bir yapay zeka sistemi geliştirdi. C2T adlı bu sistem, büyük dil modellerinden 'sağduyu' bilgisini öğrenerek trafik ışıklarını ve otonom araçları koordine ediyor. Geleneksel sistemler sadece kavşak yoğunluğu gibi basit metriklere odaklanırken, yeni sistem güvenlik, trafik akışının istikrarı ve sürüş konforu gibi insan odaklı hedefleri de göz önünde bulunduruyor. Çoklu kavşaklarda yapılan testlerde, mevcut en iyi yöntemlere kıyasla trafik verimliliği ve güvenlikte önemli iyileştirmeler sağlandı.

Araştırmacılar, gözenekli malzemelerde gaz akışını modelleyen Darcy-Forchheimer denklemlerini çözmek için yeni bir iteratif yöntem geliştirdi. Bu matematik tabanlı çalışma, özellikle yanma süreçlerinde karşılaşılan karmaşık gaz akış problemlerinin daha verimli çözülmesini sağlıyor. Geliştirilen yöntem, zaman ve uzay boyutlarında farklı sayısal teknikler kullanarak her zaman adımında ortaya çıkan doğrusal olmayan denklem sistemlerini çözüyor. Yapılan testler, yöntemin geleneksel çözücülerle karşılaştırıldığında güçlü doğrusal olmayan etkiler gösteren problemlerde daha güvenilir ve rekabetçi sonuçlar verdiğini ortaya koyuyor.

Yapay zeka sistemleri gerçek dünyada sürekli bilgi akışına erişemeyebilir - sensör sınırları, iletişim kesintileri ya da hesaplama kısıtları nedeniyle. MIT araştırmacıları, bu zorlu koşullarda çalışan AI ajanlarının performansını analiz eden yeni bir çerçeve geliştirdi. Zamana bağlı değişen ortamlarda, eski bilgilerle karar almak zorunda kalan yapay zeka sistemlerinin ne kadar etkili olabileceğini matematiksel olarak kanıtladılar. Bu çalışma, otonom araçlardan robot sistemlere, gerçek zamanlı veri akışının kesintiye uğradığı her durumda kritik öneme sahip. Araştırma, AI'nin güvenilirliği ve dayanıklılığı konusunda yeni perspektifler sunuyor.

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, makine öğrenmesi sistemleri için video sıkıştırma teknolojisinde önemli bir yenilik geliştirdi. PAT-VCM adlı yeni sistem, farklı yapay zeka görevleri için ayrı ayrı video kodlayıcı eğitme ihtiyacını ortadan kaldırıyor. Geleneksel yöntemler her görev için özel sıkıştırma algoritması gerektirirken, bu sistem tek bir temel video akışını hafif 'yardımcı tokenlar' ile destekleyerek çoklu görevlerde kullanılabiliyor. Sistem, görsel kalıntı tokenları, kontrol tokenları ve anlamsal tokenlar olmak üzere üç tür yardımcı bilgi türünü destekliyor. Nesne tespiti, derinlik tahmin etme ve görüntü segmentasyonu gibi farklı görevlerde test edilen sistem, her görev için ayrı model eğitme maliyetini azaltırken performansı koruyor. Bu yaklaşım, yapay zeka sistemlerinin video analizi yeteneklerini daha verimli hale getirerek endüstriyel uygulamalarda önemli bir adım teşkil ediyor.

Dark Energy Spectroscopic Instrument (DESI), şimdiye kadar yapılmış en detaylı evren araştırmasını tamamladı. Bu çalışma kapsamında 47 milyon galaksi ve kuasar haritalandırılarak evrenin en kapsamlı üç boyutlu haritası oluşturuldu. Araştırmanın en dikkat çekici bulgusu, karanlık enerjinin zaman içinde zayıflamış olabileceğine dair işaretler sunması. Bu keşif, evrenin genişlemesini hızlandıran gizemli güç olan karanlık enerji hakkındaki mevcut teorilerimizi gözden geçirmemizi gerektirebilir. DESI'nin elde ettiği veriler, kozmologların evrenin geçmişini ve geleceğini anlamamızda devrim yaratabilir.