Astronomlar, yıldızların yaşlarını haritalayarak Samanyolu galaksisinin gerçek sınırını belirlemeyi başardı. Araştırma, galaksimizin yıldız doğum bölgesinin merkezden 35.000-40.000 ışık yılı uzaklıkta keskin bir şekilde sona erdiğini ortaya koydu. Bu mesafenin ötesinde bulunan yıldızlar, yerinde oluşan değil, dışarıdan göç eden yıldızlar olarak tanımlanıyor. Bilim insanları, yıldız oluşum oranlarında U şeklinde karakteristik bir düşüş tespit etti. Bu keşif, uzun zamandır merak edilen Samanyolu'nun yıldız üretim fabrikasının nerede bittiği sorusuna nihayet yanıt verdi. Bulgular, galaksimizin yapısını ve evrimini anlamamızda önemli bir adım teşkil ediyor.

Bilim insanları, lazer-plazma hızlandırıcılarında elektron demeti ve lazer evrimi arasındaki karmaşık etkileşimleri daha iyi anlamak için yenilikçi bir gözlem yöntemi geliştirdi. Araştırmacılar, 10 GeV sınıfı bir hızlandırıcıda uzunlamasına çözünürlüklü elektron demeti tanılamaları ile lazer spektral evriminin bağımsız ölçümlerini birleştirerek, plazma yoğunluk profillerini daha kesin şekilde belirlemeyi başardı. Bu yaklaşım, benzer terminal enerji değerleri üreten farklı plazma dağılımlarını ayırt etme konusundaki zorluğu aştı. Çalışma, gelecekteki parçacık hızlandırıcı teknolojilerinin geliştirilmesi için kritik öneme sahip olan temel fizik süreçlerinin daha iyi anlaşılmasına katkı sağlıyor.

Robotik ve yapay zeka alanında önemli bir adım atıldı. Görsel pekiştirmeli öğrenme yöntemleriyle eğitilen AI ajanları, çevresel görsel bozulmalar karşısında ciddi performans kayıpları yaşıyordu. Araştırmacılar bu sorunu çözmek için yeni bir test ortamı geliştirdi ve sorunun kaynağını teorik olarak açıkladı. Geleneksel yöntemlerin görsel bozulmaları gizli temsillere karıştırması performans düşüşüne neden oluyordu. Çözüm olarak geliştirilen ACO-MoE sistemi, ajan odaklı gözlem teknikleriyle bu sorunu büyük ölçüde çözmeyi başardı. Bu gelişme, otonom araçlardan endüstriyel robotlara kadar birçok alanda kullanılan görsel AI sistemlerinin daha güvenilir olmasını sağlayacak.

MIT ve Stanford'dan araştırmacılar, yapay sinir ağlarının eğitimi sırasında beklenmedik bir şekilde ortaya çıkan 'gecikmeli kayıp artışları' fenomenini matematiksel olarak açıkladı. Bu durum, normalizasyon tekniklerinin başlangıçta kararlı görünen öğrenme sürecini nasıl etkilediğini gösteriyor. Araştırma, batch normalizasyonun etkili öğrenme oranını kademeli olarak artırarak instabiliteyi ertelediğini ortaya koyuyor. Bu keşif, derin öğrenme modellerinin eğitimi sırasında yaşanan beklenmedik performans düşüşlerini anlamak açısından kritik öneme sahip. Bulgular, özellikle büyük ölçekli AI modellerinin daha güvenilir eğitimi için yeni stratejiler geliştirilmesine katkı sağlayabilir.

Stanford araştırmacıları, görsel-dil modellerinin beklenenden çok daha fazla metinsel açıklamalara dayandığını ve görsel bilgileri yeterince kullanmadığını keşfetti. Bu durum 'metin kısayolu öğrenmesi' olarak adlandırılıyor. Araştırmacılar, modellerin görsel güvenilirliğini test etmek için çelişkili metin-görsel çiftleri kullanarak yeni bir değerlendirme sistemi geliştirdi. Geometrik şekiller üzerinde yapılan deneyler, standart CLIP modelinin yanıltıcı metinlerle karşılaştığında performansının %27,5 düştüğünü gösterdi. Ancak optimize edilmiş versiyonda bu düşüş %9,8'e kadar azaltıldı. Bu bulgular, yapay zekanın görsel anlama kapasitesini geliştirmek için daha sofistike eğitim yöntemlerine ihtiyaç olduğunu ortaya koyuyor.

Araştırmacılar, büyük dil modellerinin en zaman alıcı süreçlerinden biri olan 'prefilling' aşamasını hızlandırmak için yeni bir yöntem geliştirdi. TriangleMix adlı bu teknik, modellerin metin işleme sırasında dikkat mekanizmalarındaki gizli seyrekliği keşfederek çalışıyor. Çalışma, bazı dikkat bloklarının prefilling sırasında önemli görünse de sonraki metin üretme aşamasında çok az katkı sağladığını ortaya koydu. Bu keşfe dayanarak geliştirilen TriangleMix, katmanların bir kısmında yoğun dikkat kullanırken diğerlerinde üçgen dikkat desenine geçiş yapıyor. Sistem herhangi bir ek eğitim gerektirmezken, modelin performansında kayda değer bir düşüş olmadan işlem hızında önemli artış sağlıyor. Bu gelişme, yapay zeka modellerinin daha verimli çalışması açısından büyük önem taşıyor.

Araştırmacılar, finansal piyasalardaki büyük düşüş ve yükselişleri 10 gün önceden tahmin edebilen ORCA adlı yeni bir yapay zeka sistemi geliştirdi. Sistem, geleneksel risk modellerinin aksine, farklı varlıklar arasındaki karmaşık ilişki ağlarını analiz ederek tahminlerde bulunuyor. ORCA, 24 farklı borsa enstrümanından elde edilen verileri spektral grafik teorisi ve rastgele matris teorisiyle işleyerek 206 boyutlu özellik vektörleri oluşturuyor. Bu yaklaşım, finansal piyasaların sadece oynaklık değil, aynı zamanda varlıklar arası korelasyon yapılarının da önemli bilgiler taşıdığı prensibine dayanıyor. Sistem, makine öğrenmesi algoritmaları kullanarak kalibre edilmiş olasılık tahminleri sunuyor.

Araştırmacılar, Kelly bahis stratejisini çok sonuçlu ve tekrarlanan oyunlar için genişleten yeni bir matematiksel teorem geliştirdi. Bu çalışma, belirlenen bir zaman diliminde optimal bahis stratejilerini hesaplamak için kesin formüller sunuyor. Kelly stratejisi, uzun vadede serveti maksimize etmek için optimal bahis boyutunu belirleyen ünlü bir matematiksel yaklaşımdır. Yeni teorem, sadece iki sonuçlu oyunlar yerine birden fazla sonucu olan karmaşık senaryolarda da uygulanabilir. Araştırmacılar, terminal servetin her sabit üst kantilinin parçalı-monomial bir fonksiyon olduğunu matematiksel olarak kanıtladı. Bu keşif, finansal piyasalardaki risk yönetimi ve yatırım stratejilerinden, spor bahislerine kadar geniş bir uygulama alanına sahip olabilir.

DESI teleskopu verilerindeki fantom karanlık enerji bulgularıyla erken evrendeki süper kütleli kara deliklerin varlığı, kozmoloji biliminde iki temel sorunu gündeme getiriyor. Araştırmacılar, evrendeki farklı akışkanların birbirine göre hareket ettiği varsayımına dayanan yeni bir model öneriyorip bu iki sorunu da açıklayabileceğini iddia ediyor. Yeni yaklaşım, bir parçacığın karışık akışkan içindeki serbest düşüş hızının, bireysel akışkan bileşenlerinin hızlarının toplamıyla bulunabileceğini savunuyor. Bu model çerçevesinde hesaplanan Hubble parametresi, hem Kozmik Kronometreler hem de DESI DR2 verilerindeki gözlemlerle uyum gösteriyor. Çalışma, evrenin genişleme hızının farklı dönemlerdeki davranışını yeniden yorumlayarak, modern kozmolojinin karşılaştığı temel zorlukları ele alıyor.

Dağıtık yapay zeka eğitiminde kullanılan ring-tabanlı iletişim sistemlerindeki senkronizasyon sorunlarını çözen yeni bir teknoloji geliştirildi. Symphony adlı bu sistem, ağ gecikmesi ve tıkanıklığından kaynaklanan performans düşüşlerini önleyerek AI modellerinin daha verimli eğitilmesini sağlıyor. Araştırmacılar, büyük dil modelleri gibi karmaşık AI sistemlerinin eğitimi sırasında ortaya çıkan ağ sorunlarına odaklandı. Sistem, pipeline adımlarındaki hizalama bozukluklarını tespit ederek hızlı akan veri akışlarını yavaşlatıyor ve geride kalan akışların yetişmesini sağlıyor. Bu yaklaşım, global koordinasyon gerektirmeden yerel çözümler sunarak sistem verimliliğini artırıyor.

Araştırmacılar, havalimanlarının terminal bölgelerindeki hava trafiğini daha verimli yönetmek için yeni bir optimizasyon sistemi geliştirdi. Geleneksel yöntemlerden farklı olarak, bu sistem her uçak için ayrı hız profilleri ve rota uzatmaları hesaplayarak iniş sırasını optimize ediyor. Sistem, analitik yol modelleme ile doğrusal olmayan programlama tekniklerini birleştirerek, terminal manevra alanındaki uçakların güvenli iniş aralıklarını korurken en verimli rotayı bulmaya odaklanıyor. Üç farklı iniş sırası politikası test edildi ve karışık tam sayılı doğrusal programlama ile doğrusal olmayan programlama teknikleri kullanılarak optimum sonuçlar elde edildi.