Avustralya'nın üçüncü büyük adası Kanguru Adası, 2019-2020 yıllarındaki Kara Yaz yangınlarında büyük hasar görmüştü. Araştırmacılar, ada göllerinin dibindeki çamur katmanlarını inceleyerek adanın 7000 yıllık yangın geçmişini ortaya çıkardı. Bu paleoekolojik çalışma, yangınların ada ekosistemi üzerindeki uzun vadeli etkilerini ve doğal yangın döngülerini anlamaya yardımcı oluyor. Elde edilen veriler, gelecekteki yangın yönetimi stratejileri için önemli ipuçları sunuyor ve iklim değişikliğinin yangın sıklığı üzerindeki etkilerini değerlendirmek için referans noktası oluşturuyor.

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.

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.

Araştırmacılar, makine öğrenmesi tabanlı atomlar arası potansiyel modellerinin ne zaman güvenilir tahminler yaptığını belirleyecek yeni bir yöntem geliştirdi. PROBE adı verilen bu teknik, mevcut modellerde herhangi bir değişiklik yapmadan, her tahminin güvenilirlik olasılığını hesaplayabiliyor. Geleneksel yöntemler birden fazla modelin bir arada kullanılmasını gerektirirken, PROBE tek bir modelin içsel temsillerini analiz ederek çalışıyor. Bu yaklaşım, özellikle büyük ölçekli yapay zeka modellerinde daha verimli ve doğru sonuçlar üretiyor. Kimyasal sistemlerin modellenmesinde kritik öneme sahip bu gelişme, yapay zekanın bilimsel araştırmalardaki güvenilirliğini artıracak.

Avrupa Orta Vadeli Hava Tahminleri Merkezi (ECMWF) araştırmacıları, okyanus ve atmosfer arasındaki etkileşimin hava tahminlerine olan etkisini inceledi. Çalışma, 46 günlük tahmin modellerinde okyanus-atmosfer bağlantısının rolünü araştırıyor. Okyanuslar, Dünya'nın iklim sistemi içinde ısıyı yeniden dağıtarak küresel ve bölgesel iklim değişkenliğini etkiliyor. Araştırma, daha yüksek çözünürlüklü modeller ve okyanustaki orta ölçekli hareketlerin daha iyi temsil edilmesinin tahmin kalitesini artırma potansiyelini değerlendiriyor. Bu tür çalışmalar, özellikle mevsim altı tahminler için kritik öneme sahip çünkü hava durumu ile iklim arasındaki geçiş döneminde yapılan tahminlerin doğruluğunu artırabilir.

Arjantin'in Patagonya bölgesinde orman yangınlarının yayılımını önceden tahmin etmek için yeni bir yapay zeka modeli geliştirildi. Sadece 2025 yılında 50.000 hektarlık alanın yanmasıyla büyük çevresel kayıplara neden olan yangınlar için araştırmacılar, Reaksiyon-Difüzyon-Konveksiyon modeli ile Genetik Algoritma ve XGBoost tekniklerini birleştirdi. Steffen ve Martin Gölleri çevresindeki yanmış alanları %90'ın üzerinde doğrulukla simüle edebilen sistem, eğim, rüzgar hızı ve bitki örtüsü haritalarını kullanarak yangının nasıl yayılacağını hesaplıyor. Bu teknolojik gelişme, yangın söndürme ekiplerinin stratejik planlar yapmasına ve erken müdahale sistemlerinin kurulmasına olanak sağlayacak.

Araştırmacılar, elektrikli motorlar ve sinir ağları gibi karmaşık sistemlerin kararlılığını analiz etmek için yeni bir matematiksel framework geliştirdi. Persidskii sistemleri olarak adlandırılan bu yapılar, doğrusal dinamikler ile nonlineer geri besleme döngülerini birleştireyor. Çalışma, zaman gecikmesi olan sistemlerde durum tahmini ve kararlılık analizi için veri odaklı yaklaşımlar sunuyor. Özellikle elektrikli araçlarda kullanılan PMSM motorlarında deneysel doğrulama yapılması, teorik çalışmanın pratik uygulamalarını gösteriyor. Bu gelişme, otonom sistemler ve robotik alanlarında daha güvenilir kontrol sistemleri tasarımına katkı sağlayabilir.

Yapay zeka araştırmacıları, dil modellerinin üretecekleri metinlerin uzunluğunu önceden tahmin etmesini sağlayan yeni bir yöntem geliştirdi. Length Value Model (LenVM) adı verilen bu yaklaşım, her bir kelime için kalan metin uzunluğunu tahmin ederek daha verimli ve kontrollü metin üretimi sağlıyor. Geleneksel yöntemler sadece tüm metin seviyesinde çalışırken, bu yeni model her kelime bazında detaylı tahminler yapabiliyor. Sistem, her üretilen kelimeye sabit bir maliyet atayarak, kalan metin uzunluğunu bir değer tahmini problemi olarak ele alıyor. Bu yaklaşım, ek veri etiketleme gerektirmeden çalışabiliyor ve büyük ölçekte uygulanabilir özellikler taşıyor. Deneyler, 7 milyar parametreli modellerde uzunluk kontrolünde önemli iyileştirmeler sağladığını gösterdi.