Yapay zeka modellerinin hafıza ve hesaplama kapasitelerini artırmak için yeni bir yaklaşım geliştirildi. Mamba gibi Seçici Durum Uzayı Modelleri (SSM'ler), şu anda diagonal durum geçişleri kullanarak hem hafıza tutma hem de çarpımsal hesaplama yeteneklerinde sınırlı kalıyor. Araştırmacılar, bu modellere bilineer girdi modülasyonu ekleyerek performansı önemli ölçüde artırdılar. Yeni sistem, Koopman bilineer formları kullanarak durum-girdi çarpımı gerçekleştiriyor ve iki farklı uygulama sunuyor: tam bilineer hesaplama yapan Coupled-BIM ve paralel işleme uyumlu Coupled-GM. Test sonuçları, Coupled-GM'nin hafıza tutma kapasitesini, Coupled-BIM'in ise hem hafızayı hem de bilineer hesaplama yeteneğini belirgin şekilde geliştirdiğini gösterdi.

Mobil cihazlarda yapay zeka uygulamaları için büyük modellerin indirilmesi önemli gecikmelere neden oluyor. Araştırmacılar bu soruna SLIDE adını verdikleri yenilikçi bir çözüm geliştirdi. Bu sistem, kullanıcıların modelin tamamını beklemek yerine, indirilen katmanlarla hemen çıkarım yapmaya başlamasını sağlıyor. Geleneksel yaklaşımda model önce tamamen indirilir, sonra işlem başlar. SLIDE ise bu süreci paralel hale getirerek önemli zaman kazancı sağlıyor. Sistem, çok kullanıcılı ortamlarda model sağlama, spektrum genişliği ve hesaplama kaynaklarını optimize ederek toplam işlem hızını artırıyor. Özellikle 5G ve sonrası nesil mobil ağların gerçek zamanlı AI hizmetleri sunması hedeflenen bu yaklaşım, büyük dil modelleri ve görüntü işleme uygulamaları için kritik öneme sahip.

Bilgisayar görüşü alanında önemli bir yenilik gerçekleşti. Araştırmacılar, 2D görüntülerden 3D insan pozlarını tahmin etmek için hibrit bir yapay zeka modeli geliştirdi. MixTGFormer adı verilen bu sistem, geleneksel Transformer ağlarını grafik sinir ağları ile birleştirerek hem global hem de lokal özellikleri etkili şekilde analiz ediyor. Yeni yaklaşım, insan iskelet yapısının uzamsal ve zamansal ilişkilerini iki paralel kanal üzerinden aynı anda modelleyebiliyor. Bu teknoloji, spor analizi, sağlık izleme, sanal gerçeklik uygulamaları ve hareket yakalama sistemleri gibi birçok alanda devrim yaratma potansiyeli taşıyor. Sistem, özellikle iskelet eklemlerinin birbirleriyle olan yerel bağlantılarını ve farklı kanallar arası bilgi akışını daha iyi anlayarak, mevcut yöntemlere göre daha hassas sonuçlar üretiyor.

Araştırmacılar, büyük dil modellerinin parçalara ayrılarak daha verimli çalıştırılması için DeInfer adlı yeni bir sistem geliştirdi. Mevcut yaklaşımlar model performansını artırmaya odaklanırken, paralel işleme verimliliğini göz ardı ediyordu. DeInfer sistemi, parçalara ayrılmış dil modellerinin birden fazla işlemci üzerinde eş zamanlı çalışmasını optimize ederek bu sorunu çözüyor. Sistem, çoklu optimizasyon teknikleri içeriyor ve mevcut gelişmiş yöntemlerle uyumlu çalışabiliyor. Kapsamlı deneyler, DeInfer'in üstün performans sergilediğini ve parçalanmış büyük dil modellerinin paralel çıkarım süreçlerini önemli ölçüde hızlandırabileceğini gösteriyor. Bu gelişme, yapay zeka uygulamalarında büyük modellerin daha verimli kullanılmasını mümkün kılabilir.

Araştırmacılar, büyük dil modellerinin metin düzenleme performansını dramatik şekilde artıran Copy-as-Decode adlı yeni bir yöntem geliştirdi. Mevcut sistemler bir metni düzenlerken değişmemiş kısımları bile baştan yeniden üretiyor, bu da gereksiz hesaplama yükü oluşturuyor. Yeni yaklaşım, değişmeyen bölümleri kopyalama ve yeni içerik üretme olmak üzere iki temel işlemle çalışıyor. Sistem, giriş metnindeki değişmemiş kısımları tespit ediyor ve bunları tek seferde paralel olarak işleyerek zaman kazanıyor. Test sonuçları, bu yöntemin geleneksel yaklaşıma göre 6.8 ila 303 kat daha hızlı olabildiğini gösteriyor. Bu gelişme, kod editörleri, metin düzenleyiciler ve AI asistanları için önemli performans artışları sağlayabilir.

Araştırmacılar, derin öğrenme modellerinin mimarilerini tanımlamak için yeni bir matematiksel çerçeve geliştirdi. Mevcut durumda yapay zeka modellerinin yapıları genellikle diyagramlar ve sözde kodlarla ifade ediliyor, ancak bu yaklaşım karmaşık matematiksel ilişkileri tam olarak açıklayamıyor. Yeni çerçeve, kategori teorisi kullanarak modellerin altında yatan matematiksel fonksiyonları kesin bir şekilde ifade ediyor. Bu yaklaşım, hem insan tarafından anlaşılabilir diyagramlar hem de makine tarafından işlenebilir veri yapıları sunuyor. Araştırma ekibi, geliştirdikleri sistemin evrensel doğasını göstermek için Python ve TypeScript dillerinde paralel uygulamalar hazırladı.

Bilim insanları, karanlık maddenin doğrudan tespiti için son derece hassas bir detektör teknolojisi geliştirdi. RNDR-DEPFET adı verilen bu yeni sistem, tek bir olayı birden fazla kez ölçerek gürültüyü dramatik şekilde azaltabiliyor. Teknoloji, her pikselde elektronları iki okuma düğümü arasında transfer ederek elektron sayısını hassas şekilde belirleme yeteneğine sahip. 64x64 piksel kapasitesine sahip detektör, yüksek zaman çözünürlüğü sayesinde iki veya daha fazla elektron sinyali içeren nadir olayları yakalamada önemli avantajlar sunuyor. DANAE deneyi kapsamında geliştirilen bu teknoloji, hafif karanlık madde parçacıklarının elektron çarpışmaları yoluyla tespitini hedefliyor. Sistem, paralel işleme ve hızlı okuma özellikleriyle karanlık madde araştırmalarında yeni umutlar vaat ediyor.

Araştırmacılar, difüzyon tabanlı dil modellerinin performansını artıran yenilikçi bir yaklaşım geliştirdi. DMax adı verilen bu yöntem, geleneksel modellerin hata birikimi sorununu çözerek, paralel işlem gücünden daha verimli yararlanmayı sağlıyor. Sistem, maske gömme tekniği ile token gömme arasında kademeli bir geçiş yaparak, modelin kendi hatalarından öğrenmesini ve kendini düzeltmesini mümkün kılıyor. Bu gelişme, yapay zeka sistemlerinin daha hızlı ve daha doğru metin üretmesinin önünü açarak, ChatGPT benzeri uygulamaların performansını önemli ölçüde artırabilir. Özellikle büyük ölçekli dil işleme görevlerinde zaman tasarrufu sağlayan bu teknik, AI endüstrisinde verimlilik devriminin habercisi olabilir.

Matematikçiler, fonksiyon analizi alanında önemli bir gelişmeye imza attı. Kerman-Sawyer iz teoremi olarak bilinen matematiksel araç, daha önce sadece Lebesgue uzaylarında kullanılabiliyorken, yeni çalışma ile product Morrey uzaylarına da uygulanabilir hale getirildi. Bu genişletme, paralel corona ayrıştırması adı verilen sofistike bir yöntemle gerçekleştirildi. Teorem, matematiğin fonksiyon analizi dalında kullanılan temel araçlardan biri olup, farklı matematiksel uzaylarda fonksiyonların davranışlarını anlamak için kritik öneme sahip. Yeni gelişme, bu teorinin uygulama alanını önemli ölçüde genişleterek, daha karmaşık matematiksel yapılarda da kullanılabilmesinin önünü açıyor.

Bilim insanları, protein ailelerindeki evrimsel bağlantıları anlamak için gelişmiş yapay zeka yöntemlerini kullanıyor. Araştırmacılar, Boltzmann makinesi öğrenmesi ve Monte Carlo simülasyonlarını birleştirerek, proteinlerdeki amino asitlerin nasıl etkileşime girdiğini ve evrim sürecinde nasıl değiştiğini analiz ediyor. Bu yeni yaklaşım, protein yapısı ve evrimini incelemek için kullanılan ters Potts problemini çözmeye odaklanıyor. Yöntem, protein dizilerindeki tek nokta alanları ve ikili bağlantıları tahmin ederek, proteinlerin işlevsel özelliklerinin altında yatan matematiksel kalıpları ortaya çıkarıyor. Hesaplama yoğunluğu nedeniyle zor olan bu süreçte, paralel işleme ve stokastik gradyan inişi teknikleri kullanılarak analiz süresi önemli ölçüde kısaltılıyor.

Araştırmacılar, esnek çok gövdeli dinamik sistemlerin simülasyonunu büyük ölçüde hızlandıran yeni bir GPU tabanlı hesaplama çerçevesi geliştirdi. Total Lagrangian sonlu elemanlar yöntemine dayanan bu sistem, robotik kollar, araç süspansiyonları ve biyomedikal implantlar gibi karmaşık esnek yapıların davranışını gerçek zamanlı modelleyebiliyor. Yeni yaklaşım, geleneksel CPU tabanlı yöntemlere kıyasla önemli hız artışı sağlayarak, mühendislik tasarımından sanal gerçeklik uygulamalarına kadar geniş bir kullanım alanı sunuyor.