Bilim insanları, yoğunluk fonksiyonel teorisinde kullanılan geleneksel yaklaşımların hız-doğruluk ikilemini çözmek için yeni bir yapay zeka stratejisi geliştirdi. Araştırmacılar, genellik yerine doğruluğu tercih eden ve özellikle su molekülleri için optimize edilmiş bir sinir ağı modeli tasarladı. Bu 'aşırı öğrenme' yaklaşımı, sadece sekiz konfigürasyonla eğitilerek altın standart hesaplama yöntemlerine yakın sonuçlar elde etti. Model, iyonlaşma ve atomizasyon enerjilerinde 1 kcal/mol hata oranıyla çalışırken, spektral çizgiler ve elektron yoğunluğu dağılımı tahminlerini de önemli ölçüde geliştirdi.

Araştırmacılar, kristal üretimi yapan yapay zeka modellerinin performansını dramatik şekilde artıran yeni bir yöntem geliştirdi. CrystalREPA adı verilen bu sistem, önceden eğitilmiş atomik potansiyel modellerinin bilgilerini kristal üretici modellere aktararak daha kararlı ve geçerli kristal yapıları oluşturmayı mümkün kılıyor. Yöntem, mevcut modellerin kristallerin nasıl göründüğünü öğrendiği ancak onları ne kadar kararlı kıldığını anlamadığı sorununu çözüyor. Üç farklı üretici model, on öğretmen model ve iki veri seti üzerinde yapılan testlerde tutarlı iyileştirmeler gösterdi. Bu gelişme, yeni malzemelerin keşfinde ve tasarımında önemli ilerlemeler sağlayabilir.

Malzeme biliminde yapay zeka kullanımının artmasıyla birlikte, öğrencilerin bu teknolojiyi etkili şekilde kullanabilmesi için yeni bir eğitim yaklaşımına ihtiyaç duyuluyor. Araştırmacılar, sadece AI araçlarına erişim sağlamanın yeterli olmadığını, bunun yerine bilimsel muhakeme becerilerini destekleyen kapsamlı bir AI okuryazarlığı modelinin gerekli olduğunu savunuyor. Yeni framework, veri kaynağı analizi, model doğrulama, belirsizlik hesaplama ve fizik tabanlı akıl yürütme gibi malzeme bilimi odaklı becerileri kapsıyor. Bu yaklaşım, gelecekteki bilim insanlarının AI'yi körü körüne kullanmak yerine, bilimsel yargıyla harmanlayarak daha etkili araştırmalar yapabilmesini hedefliyor.

Johannes Gutenberg Üniversitesi ve Helmholtz Enstitüsü araştırmacıları, elektronlar ve atomik çekirdekler arasındaki keşfedilmemiş etkileşimleri inceleyerek karanlık madde parçacıklarına yeni bir bakış açısı geliştirdi. Physical Review Letters dergisinde yayınlanan çalışma, karanlık madde parçacıklarının elektronlar ve çekirdekler arasında aracı rol oynayabileceğini öne sürüyor. Araştırma, daha önce hiç araştırılmamış karanlık madde adaylarına yönelik yeni sınırlamalar getirirken, Standart Model dışındaki hipotetik parçacıklara da ışık tutuyor. Bu keşif, evrenin %85'ini oluşturan ama hala gizemini koruyan karanlık maddenin anlaşılmasında önemli bir adım sayılıyor.

Araştırmacılar, beyindeki sinir hücrelerinin birbirleriyle nasıl etkileşim halinde olduğunu daha iyi anlamamızı sağlayacak yeni bir matematiksel model geliştirdi. Poisson Matrix-Normal Latent Variable (PMNLV) adı verilen bu model, geleneksel yaklaşımların aksine sinir hücrelerinin tek başına değil, bir ağ halinde çalıştığını göz önünde bulunduruyor. Model, sinir hücre gruplarının aynı uyarana farklı zamanlarda nasıl farklı tepkiler verebildiğini açıklıyor. Bu keşif, beyin hastalıklarının anlaşılması ve tedavi edilmesinde önemli bir adım olabilir. Özellikle nörodejeneratif hastalıklar ve zihinsel bozuklukların altında yatan mekanizmaları çözmede kullanılabilir.

Bilim insanları, kuantum mekaniği ve klasik fiziği birleştiren yeni bir model geliştirerek, malzemelerdeki spin-orbit etkileşimlerini daha etkili şekilde inceleyebilme imkanı yakaladı. Rashba spin-orbit kuplajı olarak bilinen bu fenomen, gelecekteki spintronik cihazlar için kritik öneme sahip. Araştırmacılar, Koopman dalga fonksiyonları temelinde geliştirdikleri 'koopmon' yöntemiyle, nanowire sistemlerdeki karmaşık kuantum-klasik dinamikleri simüle etmeyi başardı. Bu yaklaşım, geleneksel Ehrenfest metodunun ötesinde korelasyon etkilerini yakalayabildiği için, hesaplamalı kuantum simülasyonlarında önemli bir ilerleme sağlıyor. Yeni model, Heisenberg belirsizlik ilkesini korurken hesaplama maliyetini önemli ölçüde düşürüyor.

Bilim dünyası, yapay zeka destekli hava durumu ve iklim modellerini değerlendiren büyük çaplı bir karşılaştırma projesi başlattı. AIMIP (Yapay Zeka İklim Modeli Karşılaştırma Projesi) adlı bu çalışma, farklı AI modellerinin iklim simülasyonlarındaki başarısını ölçüyor. Projede, 1979-2024 yılları arasındaki tarihsel veriler kullanılarak modeller test ediliyor. İlk sonuçlar, AI modellerinin tarihi iklim koşullarını ve El Niño gibi önemli iklim olaylarını başarılı şekilde simüle edebildiğini gösteriyor. Bu çalışma, iklim biliminde AI kullanımına güveni artırmak ve farklı AI mimarilerinin model davranışlarına etkisini anlamak için kritik öneme sahip.

Yapay zeka destekli hava tahmin modelleri artık geleneksel sayısal sistemlerle yarışabilir duruma geldi. Ancak çoğu model hala pahalı altyapılara bağımlı kalarak başlangıç koşulları için geleneksel veri asimilasyonu sistemlerini kullanıyor. Araştırmacılar, uydu ve konvansiyonel gözlemlerden doğrudan atmosfer durumunu haritalayan HealDA adlı yeni bir makine öğrenmesi tabanlı veri asimilasyon sistemi geliştirdi. Bu sistem, mevcut operasyonel sistemlere kıyasla daha az sensör kullanarak global ölçekte çalışabiliyor. Çalışma, yapay zeka hava tahmin modellerinin başlangıç koşullarındaki hataların önemini vurguluyor ve bu alandaki altyapı bağımlılığını azaltma potansiyeli gösteriyor.

Araştırmacılar, hava tahmini alanında çığır açan bir keşif yaptı. Google'ın yapay zeka hibrit modeli NGCM'nin, tropik siklonların küresel hava durumu üzerindeki etkilerini, geleneksel fiziksel modellerle aynı başarıyla tahmin edebildiği ortaya çıktı. Kuzey Yarımküre'den 108 vaka analizi, her iki model türünün de benzer hata gelişimi gösterdiğini kanıtladı. Bu bulgu, yapay zekanın atmosferik süreçleri doğrudan simüle etmeden de kompleks iklim olaylarını başarıyla modelleyebileceğini gösteriyor. Özellikle kutuplara doğru hareket eden tropik siklonların, ABD ve Avrupa'nın iki haftalık hava tahminlerini olumsuz etkilediği tespit edildi. Çalışma, meteoroloji alanında AI teknolojisinin potansiyelini ortaya koyuyor.

Popüler psikoloji literatüründe yaygın olan 'travmanın vücutta depolandığı' görüşü, yeni bir bilimsel çalışmayla ciddi şekilde sorgulanıyor. Araştırmacılar, travmanın aslında beynin tahmin sistemlerini bozduğunu ve bu durumun odaklanmış zihinsel durumlarla düzeltilebileceğini öne süren yeni bir model geliştirdi. Bu yaklaşım, travma tedavisinde daha etkili yöntemler geliştirilmesi açısından önem taşıyor. Çalışma, travmanın nasıl işlediğine dair mevcut anlayışımızı yeniden şekillendirme potansiyeli taşıyor ve bilişsel esnekliğin geri kazanılması için yeni tedavi yolları öneriyor.

Bilim insanları, Alaska'daki yolların altındaki permafrost tabakasını izlemek için yenilikçi bir dijital ikiz sistemi geliştirdi. Bu sistem, yüksek çözünürlüklü sıcaklık verileri kullanarak kalıcı donmuş toprakların durumunu gerçek zamanlı olarak takip ediyor ve gelecekteki değişimlerini tahmin edebiliyor. İklim değişikliğinin etkisiyle Arktik bölgelerde permafrost tabakasının erimesi, yol altyapılarında ciddi hasarlara yol açıyor. Geliştirilen fizik tabanlı model, sensörlerden gelen verilerle sürekli güncellenerek permafrost koşullarının nasıl değişeceğini önceden hesaplıyor. Bu teknoloji sayesinde yol bakım ekipleri zarar görebilecek alanlara önceden müdahale edebilecek. Araştırma, Arktik bölgelerdeki ulaşım altyapılarının iklim değişikliğine karşı dayanıklılığını artırmak için önemli bir adım teşkil ediyor.