Araştırmacılar, rastgele alan Ising modellerindeki dalgalanmaları matematiksel olarak tahmin edebilecek yeni bir yöntem geliştirdi. Bu çalışma, yüksek sıcaklık koşullarında çalışan karmaşık sistemlerin davranışlarını anlamak için önemli bir adım. Çalışmada, hem ayrık hem de sürekli spin sistemleri incelenerek, çeşitli graf türlerinde ve Hopfield spin cam modelinde uygulamalar gerçekleştirildi. Geliştirilen teknik, istatistiksel fizikte ve matematik alanında önemli uygulamalara sahip olabilir. Özellikle, sistemlerdeki belirsizliklerin nasıl dağıldığını ve bu dağılımların merkezi limit teoremi çerçevesinde nasıl davrandığını gösteriyor. Bu tür modeller, manyetik malzemelerden sosyal ağlara kadar geniş bir yelpazede kullanılabiliyor.

Araştırmacılar, yeni nesil kablosuz ağlarda enerji tüketimini önemli ölçüde azaltabilecek yenilikçi bir sistem geliştirdiler. Radyo Çevre Haritası (REM) adı verilen bu teknoloji, kullanıcı konumu ve güç amplifikatörü özelliklerini birleştirerek, hücresiz M-MIMO ağlarda enerji verimliliğini %19'a kadar artırabiliyor. Geleneksel hücresel ağların aksine, kullanıcı merkezli hücresiz ağlar, her kullanıcının en uygun erişim noktalarından hizmet almasını sağlıyor. Bu yeni yaklaşım, 5G ve ötesi teknolojilerin yaygınlaşmasıyla artan enerji tüketimi sorununa önemli bir çözüm sunuyor.

Araştırmacılar, beynin çalışma prensiplerini taklit eden spiking sinir ağlarında çığır açan bir gelişme gerçekleştirdi. Geleneksel yapay zeka sistemlerinin aksine, bu yeni yaklaşım nöronlar arası gecikmeleri öğrenebilen ve evrişimli bağlantılar kullanan bir mimari sunuyor. DelRec adı verilen bu teknoloji, ses sınıflandırma görevlerinde %99 daha az bellek kullanırken, işlem hızını 52 kat artırmayı başardı. Bu gelişme, özellikle akıllı telefonlar ve IoT cihazları gibi sınırlı kaynaklara sahip sistemlerde yapay zekanın daha verimli çalışmasının önünü açıyor. Spiking sinir ağları, gerçek beyin nöronlarının elektriksel darbe şeklinde iletişim kurma biçimini taklit ederek, enerji tüketimi açısından büyük avantajlar sunuyor.

Düşük yörüngeli uydu takımyıldızları, fiber optik kablolardan daha hızlı veri iletimi vaat eden küresel internet ağları için umut verici bir platform sunuyor. Ancak bu sistemlerde en büyük zorluk, binlerce uydu arasındaki bağlantı ağının nasıl optimize edileceği. Araştırmacılar, uydular arası bağlantı topolojisini iyileştirerek gecikme süresini minimize eden iki aşamalı bir optimizasyon çerçevesi geliştirdi. Bu yenilikçi yaklaşım, önce matematiksel bir model kullanarak ideal bağlantı noktalarını belirliyor, sonra bu teorik çözümü gerçek dünya koşullarına uyarlıyor. Sistem, uyduların görüş alanı kısıtlamaları ve yörünge dinamiklerini göz önünde bulundurarak, ağ çapını minimize etmeyi hedefliyor. Bu gelişme, özellikle zaman kritik uygulamalar için küresel düşük gecikmeli internet hizmetlerinin daha etkin sunulmasının yolunu açabilir.

Araştırmacılar, robotların ve otonom sistemlerin güvenli çalışması için devrim niteliğinde bir kontrol yöntemi geliştirdi. Geleneksel güvenlik kontrol sistemleri karmaşık matematik işlemleri gerektirdiği için yavaş çalışıyor ve sistem performansını düşürüyordu. Yeni yöntem, yapay sinir ağlarını kullanarak bu sorunu çözüyor ve robotların gerçek zamanlı olarak güvenli kararlar almasını sağlıyor. Bu buluş, otonom araçlardan endüstriyel robotlara kadar geniş bir uygulama alanına sahip ve robotik güvenliği alanında önemli bir adım teşkil ediyor.

Araştırmacılar, bilimsel yayın verilerinin finansal teknoloji balonlarını öngörmede kullanılıp kullanılamayacağını araştırdı. Dot-com dönemi (1994-2001) ve yapay zeka çağı (2017-2024) karşılaştırılarak, bilim insanlarının atıf ağları ile piyasa verileri arasındaki ilişki incelendi. Finansal balonlar genellikle uyarı vermeden ortaya çıkar ve uzun süreli ekonomik etkiler yaratır. Yenilikçi teknolojiler, gelecek vaadiyle heyecan yaratarak piyasa bozulmalarına neden olur. Bu teknolojiler, piyasaya girmeden yıllar önce bilim insanları tarafından geliştirildiği için, bilimsel yayın verilerinin analizi gelecekteki balonları tahmin etmede yardımcı olabilir mi sorusu akla geliyor.

Araştırmacılar, kablosuz ağlarda dağıtık federe öğrenme sistemlerinin performansını artıran yeni bir yaklaşım geliştirdi. Stokastik gradyan itme (SGP) algoritmasını kullanan bu yöntem, geleneksel simetrik iletişim yapılarının sınırlarını aşarak asimetrik karışım matrisleri kullanımına olanak tanıyor. Bu sayede yapay zeka modellerinin eğitim süresi önemli ölçüde kısalabiliyor. Federe öğrenme, verilerin merkezi bir sunucuya gönderilmeden farklı cihazlarda işlenmesini sağlayan bir teknoloji olarak giderek yaygınlaşıyor. Yeni yaklaşım, özellikle mobil cihazlar ve IoT ağları gibi kaynak kısıtlı ortamlarda önemli avantajlar sunuyor.

Araştırmacılar, yapay sinir ağları ve tensor ağlar gibi karmaşık modellerin eğitiminde kullanılan optimizasyon yöntemlerini geliştirmek için yeni bir yaklaşım önerdiler. Doğal gradyan iniş (NGD) yöntemi, geleneksel gradyan iniş tekniklerinin aksine fonksiyonel bir bakış açısıyla parametre güncellemeleri yapar. Bu yöntem, Newton metoduna benzer şekilde Hessian matrisi yerine teğet uzayın Gram matrisini kullanarak yerel olarak optimal güncellemeler sağlar. Ancak hem geleneksel hem de doğal gradyan yöntemleri yerel minimumlarda takılı kalma sorunu yaşar. Yeni çalışma, bu sorunları aşmak için momentum kavramını doğal gradyan iniş yöntemine entegre etmeyi araştırıyor. Bu yaklaşım, özellikle doğrusal olmayan manifoldlar üzerinde çalışan makine öğrenmesi modellerinin performansını artırma potansiyeli taşıyor.

Araştırmacılar, görüntü işleme ve makine öğrenmesinde kritik rol oynayan yaklaşık operatörler için yeni bir yaklaşım geliştirdi. Geleneksel yöntemlerden farklı olarak, bu yeni teknik görüntülerdeki kaydırma ve ölçekleme değişikliklerine karşı dirençli özellikler gösteriyor. Afin-Eşdeğişken Öğrenilmiş Yaklaşık Ağlar (AE-LPN) adı verilen bu sistem, sinir ağlarının matematiksel dönüşümlere karşı tutarlı sonuçlar üretmesini sağlıyor. Özellikle gürültü giderme ve bozuk sinyallerin onarılması gibi uygulamalarda önemli iyileşmeler sağlanıyor. Bu gelişme, yapay zekanın farklı koşullarda daha güvenilir çalışmasına katkıda bulunabilir.

Kuantum iletişimi, ışığın kuantum durumlarını aktararak benzersiz yetenekler vaat ediyor ancak foton kaybı nedeniyle mesafe sınırlamaları yaşıyor. Silisyum karbür (SiC) kusurları, güçlü optik geçişleri, uzun spin tutarlılık süreleri ve yarıiletken cihazlarla entegrasyon olanağı sunarak umut verici bir kuantum cihaz platformu olarak öne çıkıyor. Bazı kusurlar telekomünikasyon dalga boyunda optik geçişlere sahip olduğu için fiber ağlarla dalga boyu dönüşümü olmadan bağlantı kurabiliyorlar. Bu özellikler SiC'yi kuantum iletişim ağları için kuantum düğümlerinin uygulanmasında cazip bir platform haline getiriyor.

Araştırmacılar, öneri sistemlerinde geleneksel matris faktörizasyonu ile modern tekniklerinin güçlü yanlarını birleştiren yeni bir hibrit yaklaşım geliştirdi. Son yıllarda yapay sinir ağları gibi karmaşık modeller öneri sistemlerinde baskın hale gelse de, geleneksel yöntemlerin basitlik ve hesaplama verimliliği açısından hâlâ rekabetçi olduğu kanıtlanmıştı. Yeni araştırma, kullanıcı-ürün ve ürün-ürün önerilerini ağırlıklı benzerlik çerçevesi içinde birleştirerek top-N önerileri sunuyor. Yaklaşımın en önemli özelliği, her iki öneri stratejisi için ortak kullanıcı ve ürün gömme vektörlerini kullanması, böylece mimariyi basitleştirip hesaplama verimliliğini artırması. Çoklu veri setlerinde yapılan kapsamlı deneyler, yöntemin rekabetçi performans sergilediğini gösteriyor.