Bilim insanları, normal koşullarda var olmayan egzotik madde formlarını yaratmayı başardı. Araştırmacılar, manyetik alanları zamanla kontrollü şekilde değiştirerek, malzemeleri 'yönlendirme' tekniğiyle olağanüstü kuantum durumları elde etti. Bu yeni madde türleri, geleneksel malzemelerden çok daha kararlı ve hatalara karşı dirençli özellikler gösteriyor. Keşif, kuantum bilgisayarcılığın en büyük sorunlarından biri olan hata oranlarını azaltma konusunda umut veriyor. Çalışma, gelecekteki kuantum teknolojilerinin sadece malzeme bileşenlerine değil, bu malzemelerin zamansal manipülasyonuna da bağlı olabileceğini ortaya koyuyor.

Günümüzün yapay zeka sistemleri görüntüleri tanımlayabiliyor, nesneleri ayırt edebiliyor ve karmaşık ilişkileri açıklayabiliyor. Görsel-dil modelleri olarak adlandırılan bu sistemler, metin ve görüntü anlayışını etkileyici şekillerde birleştiriyor. Ancak şaşırtıcı bir şekilde, görünüşte basit olan sayma işleminde zorlanıyorlar. Hof Uygulamalı Bilimler Üniversitesi araştırmacıları, yapay zekanın bu temel eksikliğini gidermek için yeni çalışmalar yürütüyor. Bu durum, AI teknolojisinin hızla gelişmesine rağmen bazı temel bilişsel yeteneklerde hala sınırları olduğunu gösteriyor.

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.

Araştırmacılar, uzun süreli konuşma yapabilen yapay zeka sistemleri için yeni bir hafıza yönetim teknolojisi geliştirdi. MemRouter adlı bu sistem, hangi konuşma bölümlerinin hafızada saklanacağına karar verirken mevcut yöntemlerden çok daha verimli çalışıyor. Geleneksel sistemler her konuşma adımında büyük dil modellerini kullanarak karar verirken, MemRouter embedding tabanlı bir yönlendirme politikası kullanıyor. Bu sayede sadece 12 milyon parametre eğiterek hafıza yönetimini gerçekleştiriyor. LoCoMo test setinde yapılan karşılaştırmalarda, MemRouter geleneksel LLM tabanlı hafıza yöneticilerinden her soru kategorisinde daha başarılı sonuçlar verdi. Sistem, F1 skorunda %52,0'a karşılık %45,6 başarı elde ederken, hafıza yönetimi gecikme sürelerini de önemli ölçüde azalttı. Bu gelişme, chatbot'ların uzun konuşmalarda daha tutarlı ve verimli performans sergilemesi için önemli bir adım.

Araştırmacılar, büyük dil modellerinin eğitimi sırasında GPU hafıza kullanımını dramatik şekilde azaltan AGoQ adlı yeni bir teknik geliştirdi. Bu yöntem, farklı katmanlar için uygun bit genişlikleri ayıran akıllı bir aktivasyon sıkıştırma algoritması ve 8-bit gradient depolama sistemi kullanıyor. 64 GPU'ya kadar test edilen sistem, hafıza kullanımını %52 oranında azaltırken, eğitim hızını 1.34 kata kadar artırdı. Geleneksel yöntemlerden farklı olarak, model doğruluğunda kayıp yaşanmadan bu verimliliği sağlıyor. Bu gelişme, büyük yapay zeka modellerinin eğitimini daha erişilebilir hale getirebilir ve daha az donanım kaynak gereksinimi sayesinde maliyetleri önemli ölçüde düşürebilir.

Araştırmacılar, büyük dil modellerinin (LLM) farklı görevlerdeki performanslarını daha etkili şekilde yönlendirmek için RouteProfile adlı yeni bir profilleme sistemi geliştirdi. Her yapay zeka modelinin farklı alanlarda değişken yeteneklere sahip olması, doğru model seçimini kritik hale getiriyor. Çalışma, model yeteneklerini dört temel boyutta kategorize ederek daha akıllı yönlendirme sistemleri oluşturmayı hedefliyor. Bu yaklaşım, yapay zeka ekosistemindeki model çeşitliliğinden daha verimli yararlanma potansiyeli taşıyor.

Araştırmacılar, görsel-dil modellerinin uzun vadeli karar alma becerilerini geliştirmek için yeni bir yaklaşım geliştirdi. Super Mario Land oyununu oynayarak eğitilen yapay zeka, 100'den fazla hamle gerektiren karmaşık görevlerde başarı gösterdi. Çalışma, geleneksel yöntemlerin aksine pekiştirmeli öğrenme tekniklerini kullanarak, yapay zekanın görsel algı, mantık yürütme ve eylem koordinasyonunu bir arada gerçekleştirmesini sağladı. PPO algoritmasının uyarlanmış versiyonu ile eğitim kararlılığı önemli ölçüde artırıldı. Bu gelişme, yapay zekanın interaktif ortamlarda uzun soluklu stratejik düşünme becerisini kazanması açısından önemli bir adım teşkil ediyor.

Araştırmacılar, matematiksel biyolojide yaygın kullanılan stokastik simülasyon algoritmasını (SSA) hızlandırmak için yenilikçi bir yaklaşım geliştirdi. Hava durumu ve iklim modellemesinden ilham alan çalışma, hesaplama hassasiyetini düşürerek simülasyonları önemli ölçüde hızlandırmanın mümkün olduğunu gösteriyor. İki farklı strateji test edildi: karma hassasiyet yöntemi ve tek tip hassasiyet yöntemi. Karma hassasiyet yaklaşımı, 16-bit hesaplama kullanırken kritik verileri 32-bit'te saklayarak hem hız hem de doğruluk sağlıyor. Beş farklı biyolojik model üzerinde yapılan testler, bu yöntemin istatistiksel güvenilirliği korurken hesaplama süresini dramatik şekilde azalttığını ortaya koyuyor. Bu gelişme, büyük ölçekli biyolojik simülasyonları daha erişilebilir hale getirerek araştırma kapasitesini artırabilir.

Araştırmacılar, motor hayal gücü tabanlı beyin-bilgisayar arayüzlerinde (MI-BCI) daha hassas kontrol sağlayan yeni bir yöntem geliştirdi. Bu teknoloji, felçli hastaların düşünceleriyle protez uzuv veya bilgisayar kontrolü sağlamasında kullanılıyor. Mevcut sistemlerin en büyük sorunu, her bireyin beyin sinyallerinin farklı olması ve bu nedenle sistemin kişiye özel ayarlanması gerektiği. Yeni yaklaşım, beyin dalgalarının farklı frekans bantlarını kişiye özel olarak seçmek için fonksiyonel bağlanırlık analizi kullanıyor. Bu sayede sistem, her kullanıcının benzersiz beyin ritimlerini daha iyi tanıyor ve motor hayal gücü sinyallerini daha doğru çözümleyebiliyor. Geliştirilen yöntem, geleneksel Filter Bank Common Spatial Pattern algoritmasını geliştirerek, önceden tanımlanmış frekans bantları yerine fizyolojik kriterlere dayalı seçim yapıyor.

Araştırmacılar, mobil cihazlarda yapay zeka dil modellerinin çalışmasını hızlandıran yeni bir algoritma geliştirdi. Peek2 adlı bu sistem, GPT-3 ve LLaMA-3 gibi popüler AI modellerinde kullanılan metin işleme sürecini optimize ediyor. Geleneksel yöntemlerin aksine regex kullanmayan bu yaklaşım, daha az bellek tüketirken performansı 2,5 kata kadar artırabiliyor. Mobil ve kenar bilişim cihazlarında AI uygulamalarının daha verimli çalışması için kritik bir gelişme olan bu çalışma, büyük dil modellerinin günlük hayatta daha yaygın kullanılmasının önünü açabilir.

IBM'in kuantum işlemcilerinde yapılan yeni araştırma, bulut tabanlı kuantum bilgisayarlarda ciddi güvenlik sorunları ortaya çıkardı. Araştırmacılar, aynı anda çalışan kuantum devrelerinin birbirini etkileyerek veri güvenliğini tehdit ettiğini keşfetti. Yedi farklı IBM işlemcisinde test edilen beş temel kuantum algoritması, tahmin edilebilir girişim desenleri gösterdi. Bu bulgular, kuantum bulut bilişimde çoklu kullanıcı sistemlerinin güvenliğine dair önemli sorular ortaya koyuyor. Özellikle Grover Algoritması gibi 'agresif' devrelerin diğer kullanıcıların işlemlerini önemli ölçüde etkileyebildiği görüldü. Kuantum bilgisayarların ticari kullanımının artmasıyla birlikte bu güvenlik açıklarının kapatılması kritik önem kazanıyor.