Genetik bilgisayar analizi alanında önemli bir kıyaslama çalışması gerçekleştirildi. Araştırmacılar, bir kişinin genetik yapısından fiziksel özelliklerini tahmin eden farklı yöntemleri karşılaştırdı. OpenSNP veritabanından 80 farklı insan özelliği üzerinde test edilen makine öğrenmesi, derin öğrenme ve poligenik skor yöntemlerinin hiçbiri evrensel üstünlük sağlayamadı. Poligenik skorlar 53 özellikte en iyi sonucu verirken, makine öğrenmesi ve derin öğrenme 27 özellikte öne çıktı. Ancak araştırmanın en dikkat çekici bulgusu, karşılaştırmaların %41,2'sinde yöntemler arasındaki farkın pratik anlamda önemsiz olmasıydı. Bu durum, genetik özellik tahmininde tek bir 'mucize yöntem' olmadığını ve her özellik için en uygun yaklaşımın farklı olabileceğini gösteriyor. Çalışma, kişiselleştirilmiş tıp ve genetik danışmanlık alanlarında yöntem seçiminin önemini vurguluyor.

Bilim insanları orman yangınlarının şiddetini öngörebilmek için yeni bir yaklaşım geliştirdi: bitki örtüsünün mevcut durumunu analiz etmek. Kentleşme, iklim değişikliği ve yangın bastırma uygulamalarının orman-kent arayüzündeki yangın riskini artırdığı biliniyordu, ancak bu faktörler yangınları daha öngörülemez hale getiriyordu. 2025 Ocak ayında Los Angeles'ta yaşanan büyük yangınlar, tüm yamaçları ve kanyonları sardı, mahalleleri yok etti ve çevredeki ekosistemlere zarar verdi. Bu felaketin ardından araştırmacılar, yangın şiddetini önceden belirlemenin mümkün olduğunu ve bunun için en önemli göstergenin bölgedeki bitki örtüsünün mevcut durumu olduğunu ortaya koydu. Bu yöntem, yangın yönetimi stratejilerinin geliştirilmesinde devrim yaratabilir.

National Taiwan Üniversitesi'nden araştırmacılar, trafik yoğunluğunun yarattığı ultrafin parçacık kirliliğini 3D modellerle haritalandırdı. Çalışma, yoğun trafikli yollar, kavşaklar ve köprü altları gibi bölgelerde son derece lokalize kirlilik odakları oluştuğunu gösteriyor. Bu bulgular, hava kalitesi ölçümlerinde şehir geneli ortalamalarının yanıltıcı olabileceğini ve sokak seviyesinde detaylı planlamaya ihtiyaç duyulduğunu ortaya koyuyor. Özellikle çocuklar ve hassas gruplar için bu mikro kirlilik haritaları kritik öneme sahip. Araştırma, kentsel planlamada hedefli yaklaşımların daha etkili koruma sağlayabileceğini işaret ediyor.

Bilim insanları, orman yangınlarının ne kadar şiddetli olacağını önceden tahmin edebilmek için yeni bir yöntem geliştirdi. 2025 Los Angeles yangınlarını inceleyen araştırmacılar, uydu verilerini kullanarak bitki örtüsünün durumu, topografya ve hava koşulları arasındaki bağlantıyı ortaya çıkardı. Çalışma, yangın öncesi bitki örtüsünün nem durumunun ve sağlığının, yangının yayılma hızı ve yakma şiddetini belirlemede kritik rol oynadığını gösteriyor. Bu bulgu, gelecekte yangın risklerinin daha doğru öngörülmesine ve daha etkili müdahale stratejilerinin geliştirilmesine olanak sağlayabilir.

Araştırmacılar, birbirine bağlı sistemlerde her bir düğümün kendi yerel gözlemleriyle birlikte diğer düğümlerden gelen bilgileri de kullanarak sistem durumunu tahmin edebilmesini sağlayan yeni bir matematiksel yöntem geliştirdi. Jordan kanonik formu adı verilen matematiksel araç kullanılarak geliştirilen bu yaklaşım, her düğümün doğrudan algılayamadığı durum bileşenlerini konsensüs tabanlı mekanizmalar aracılığıyla tahmin etmesine olanak tanıyor. Çalışma, farklı koşullar altında uygulanabilecek iki farklı tahmin şeması sunuyor ve her ikisinin de gerçek sistem durumuna yakınsadığını matematiksel olarak kanıtlıyor.

Şehirlerdeki elektrikli araç sayısının hızla artması, trafik yönetiminde yeni zorluklar ortaya çıkarıyor. Araştırmacılar, hem rota planlaması hem de şarj istasyonu yönetimini birleştiren yenilikçi bir trafik koordinasyon sistemi geliştirdi. Makroskopik temel diyagram modelini kullanan bu yaklaşım, şehri bölgelere ayırarak sistem düzeyinde trafik sıkışıklığını analiz ediyor. 16 bölgeli bir şehir ağında yapılan test çalışmaları, sistemin etkinliğini kanıtladı. Bu çözüm, sürdürülebilir mobilite hedeflerini desteklerken şehir trafiğinin daha verimli yönetilmesine olanak sağlıyor.

Atmosferin üst katmanlarındaki yoğunluk değişimlerini doğru tahmin etmek, uydu yörüngelerinin belirlenmesi ve uzay durumsal farkındalığı için kritik öneme sahip. Araştırmacılar, termosferin karmaşık davranışını modellemek için fizik tabanlı yapay zeka yaklaşımı geliştirdi. SINDyc-AR adı verilen bu yöntem, geleneksel atmosfer modellerinin hesaplama maliyetini büyük ölçüde azaltırken doğruluğunu koruyor. Sistem, CHAMP, GRACE ve GOCE gibi uydulardan toplanan gerçek zamanlı yoğunluk verilerini kullanarak Kalman filtresi ile güncelleniyor. Bu gelişme, uzay çöplerinin takibi ve uydu çarpışma risklerinin hesaplanmasında devrim yaratabilir.

Araştırmacılar, büyük dil modellerinin kısa cevaplı sınavları değerlendirirken ne kadar güvenilir olduğunu belirlemeye yönelik yeni bir yöntem geliştirdi. Çalışma, yapay zekanın eğitim alanındaki değerlendirme süreçlerinde insan-AI işbirliğinin daha güvenli hale getirilmesi için kritik önem taşıyor. Araştırmada, modelin kendi güven sinyalleriyle veri setinden elde edilen belirsizlik ölçümlerinin birleştirildiği hibrit bir yaklaşım öneriliyor. Bu yenilik, öğretmenlerin AI destekli değerlendirmelere ne ölçüde güvenebileceğini göstererek, eğitim teknolojilerinin daha etkin kullanılmasına katkı sağlayabilir.

Araştırmacılar, yapay zeka modellerinin metin üretim hızını artırmak için EVICT adlı yeni bir sistem geliştirdi. Bu sistem, özellikle karmaşık Mixture-of-Experts (MoE) modellerinde yaşanan performans sorunlarını çözerek, gereksiz hesaplamaları ortadan kaldırıyor. EVICT, ağaç tabanlı tahmini kod çözme tekniğini optimize ederek, sadece faydalı token'ları doğrulama sürecine dahil ediyor. Sistem herhangi bir ek eğitim gerektirmeden çalışabiliyor ve mevcut altyapılarla uyumlu. Farklı model mimarileri üzerinde yapılan testlerde sistemin 2 kata kadar hız artışı sağladığı görüldü. Bu gelişme, ChatGPT gibi büyük dil modellerinin yanıt verme hızını önemli ölçüde artırabilir.

Büyük dil modelleri doğal dilde güven seviyelerini ifade edebiliyor ancak sistematik olarak aşırı güvenli davranıyorlar. Stanford araştırmacıları bu sorunun temel nedenini keşfetti: modeller güven tahminlerini kendi verdikleri cevaptan bağımsız yapıyor. Geliştirilen ADVICE yöntemi, modellerin güven seviyelerini kendi cevaplarına dayandırmasını sağlayarak bu sorunu çözüyor. Yapılan deneyler, yöntemin güven kalibrasyonunu önemli ölçüde iyileştirdiğini ve farklı durumlara güçlü genelleme yapabildiğini gösteriyor. Bu gelişme yapay zeka sistemlerinin şeffaflığı ve güvenilirliği açısından önemli bir adım.

Kuantum bilgisayarlarda en büyük sorunlardan biri, kuantum bitlerinin fiziksel olarak birbirine yakın konumda bulunması gerekliliğidir. Bu durum, uzaktaki kuantum bitleri arasında işlem yapmak için SWAP adı verilen pahalı taşıma işlemleri gerektiriyor ve sistem performansını ciddi şekilde düşürüyor. Araştırmacılar, bu soruna çözüm olarak kuantum durumunu fiziksel olarak taşımak yerine, kontrol bilgisini spektral kanallar üzerinden ileten yenilikçi bir sistem geliştirdi. Bu yaklaşım, geleneksel yöntemlere kıyasla daha hızlı ve verimli kuantum hesaplama imkanı sunuyor. Yeni sistem, aynı fiziksel kuantum parçacığında birden fazla bağımsız bilgi kanalı oluşturarak, trafik sıkışıklığını tamamen ortadan kaldırıyor.