Araştırmacılar, birden fazla kullanıcının aynı anda veri iletişimi yapabildiği sistemlerde çakışmaları önlemek için yeni matematiksel kodlama teknikleri geliştirdi. Çakışma önleyici kodlar (CAC), geri bildirim olmadan deterministik çoklu erişim sağlayan özel kodlardır. Bu çalışmada, özellikle kanal sayısının aktif kullanıcı sayısından az olduğu pratik senaryolar için çok kanallı CAC sistemleri incelendi. Geleneksel yaklaşımların aksine, araştırmacılar 'istisna kod sözcükleri' kavramını tanıtarak ve toplamsal kombinatorik tekniklerini kullanarak optimal çözümler türetti. Bu gelişme, kablosuz ağlar ve çoklu erişim sistemlerinde verimliliği artırabilir.

Araştırmacılar, karmaşık nonlinear sistemlerin iç durumlarını yapay zeka kullanarak tahmin edebilen yeni bir yöntem geliştirdi. Neural Luenberger gözlemci adı verilen bu sistem, geçmiş verilerden öğrenerek sistemin görülmeyen parametrelerini gerçek zamanlı olarak takip edebiliyor. Yöntem, klasik Kazantzis-Kravaris/Luenberger gözlemci yapısını genişleterek, girdi-çıktı verilerinden sistem durumlarını tahmin eden sinir ağları kullanıyor. Özellikle biyolojik sistemler, endüstriyel süreçler ve otonom araçlar gibi alanlarda büyük potansiyel taşıyan bu teknoloji, sistem kontrolü ve izleme alanında önemli bir ilerleme sunuyor. Araştırmacılar, yöntemlerinin teorik olarak garantili hata sınırları içinde çalıştığını matematiksel olarak kanıtladılar.

Araştırmacılar, derin sinir ağlarının matematiksel davranışını daha iyi anlayabilmek için yeni bir teorik çerçeve geliştirdi. ResNet mimarisi üzerinde çalışan bu model, ağların katmanlar arası gelişimini takip eden 'collective kernel effective field theory' adı verilen bir yaklaşım sunuyor. Çalışma, sonlu genişlikteki derin ağlarda empirical kernel'in nasıl stokastik olarak evrimleştiğini inceliyor ve bu süreç için yeni matematiksel denklemler türetiyor. Araştırmacılar, Gaussian yaklaşımları kullanarak sürekli derinlik ODE sistemleri elde etmiş ve bu sistemlerin geçerlilik sınırlarını belirlemiş. Bulgular, ortalama kernel değerinin tüm derinliklerde doğru kalırken, kernel kovaryansının sonlu zamanlarda hata biriktirdiğini gösteriyor.

Araştırmacılar, tüberküloz salgınının yayılımını modellemek için yapay zeka destekli yeni bir yaklaşım geliştirdi. Fizik-Güdümlü Sinir Ağları (PG-NODE) adlı bu yöntem, klasik epidemiyolojik modellerin sabit parametreli yapısının ötesine geçerek, hastalığın zaman içindeki değişken dinamiklerini öğrenebiliyor. Yılda 1,3 milyon ölüme ve 10,6 milyon yeni enfeksiyona neden olan tüberküloz için geliştirilen sistem, geleneksel SLIR modelini (Duyarlı-Gizli-Enfektif-İyileşen) sinir ağları ile birleştiriyor. Bu hibrit yaklaşım, biyolojik kısıtlamaları korurken, gerçek dünya verilerindeki heterojenliği ve öngörülemeyen etkileri de hesaba katabiliyor.

Araştırmacılar, sosyal ağlardaki etkili kişileri belirleme problemini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel yöntemler, karmaşık etkileşimleri tam olarak yakalayamıyor. Yeni çalışma, hipergraf modellemesi ve parçacık sürüsü optimizasyonu algoritmasını birleştirerek, çok boyutlu sosyal etkileşimleri daha iyi analiz ediyor. Bu yöntem, pazarlama kampanyalarından halk sağlığı müdahalelerine kadar geniş uygulama alanına sahip. Hipergraflar, ikiden fazla kişi arasındaki etkileşimleri modelleyebilme avantajı sunuyor ancak hesaplama karmaşıklığını artırıyor. Araştırma ekibi, bu zorluğu aşmak için eşik modeli tabanlı fitness fonksiyonu geliştirdi.

Türk araştırmacıların da aktif olduğu graf teorisi alanında önemli bir gelişme yaşandı. Yeni çalışma, belirli koşulları sağlayan grafların mutlaka 'trebly chorded cycle' adı verilen özel yapıları içermesi gerektiğini matematiksel olarak kanıtladı. Bu keşif, ağ analizi ve bilgisayar bilimlerinde kullanılan graf yapılarının daha iyi anlaşılmasına katkı sağlayacak. Araştırma, signless Laplacian indeks değeri belirli bir eşiği aştığında, grafın içinde üç köprülü döngü bulunması gerektiğini gösteriyor. Bu sonuç, sosyal ağlardan ulaşım sistemlerine kadar birçok alanda kullanılan matematiksel modellerin analizi için yeni araçlar sunuyor.

Karmaşık sistemlerin davranışlarını modellemek için kullanılan otokodlayıcılar, yeni bir geometrik düzenleme yöntemiyle daha doğru ve tutarlı sonuçlar üretebilecek. Araştırmacılar, yüksek boyutlu verilerdeki gizli düşük boyutlu yapıları keşfetmek için üç aşamalı yeni bir yaklaşım geliştirdi. Bu yöntem, özellikle uzun zaman dilimlerinde yavaş gelişen stokastik sistemlerin analizinde önemli iyileştirmeler sağlayabilir. Mevcut ATLAS gibi yerel harita yöntemlerinin üstel ölçekleme sorunları ve otokodlayıcı alternatiflerinin teğet-paket geometrisindeki kısıtlamaları bu çalışmayla aşılmaya çalışılıyor.

Araştırmacılar, büyük İHA sürülerinde meydana gelen arızalar sonrasında sistemin kendini onarabileceği yeni bir yapay zeka algoritması geliştirdi. PhyGAIL adı verilen bu sistem, fizik kurallarından ilham alan graf sinir ağları kullanarak İHA'ların birbirleriyle koordineli şekilde çalışmasını sağlıyor. Geleneksel yöntemlerin aksine merkezi kontrol gerektirmeyen bu yaklaşım, sürü büyüklüğü ve hasar seviyesi değişse bile etkili performans gösterebiliyor. Sistem, yerel gözlemlerden hareketle İHA'lar arasında çekim ve itme kuvvetleri modelleyerek fiziksel olarak tutarlı koordinasyon sağlıyor. Bu gelişme, arama kurtarma operasyonlarından askeri uygulamalara kadar geniş bir yelpazede kullanım potansiyeli taşıyor.

Erken çıkış yapay sinir ağları, güvenli tahminlerde ara katmanlardan çıkarak hesaplama hızını 2-8 kat artırabiliyor. Bu teknoloji yaygın kullanılmasına rağmen, genelleme yetenekleri teorik olarak tam anlaşılamamıştı. Yeni araştırma, bu ağların ne zaman ve neden başarılı olduğunu açıklayan ilk kapsamlı teorik çerçeveyi sunuyor. PAC-Bayesian yaklaşımıyla geliştirilen yeni sınırlar, maksimum derinlik yerine çıkış derinliği entropisi ve beklenen derinliğe dayalı formüller içeriyor. Çalışma, uyarlanabilir derinlikteki ağların sabit derinliklilere göre üstün olduğu koşulları matematiksel olarak ispatlamış durumda.

Araştırmacılar, kuantum çok-cisim problemlerini çözmek için kullanılan sinir ağı tabanlı Monte Carlo yöntemlerini geliştiren yeni bir yaklaşım sundu. Fiziksel olarak anlamlı bir temel dönüşümü kullanarak, sinir ağının karmaşıklığını artırmadan hesaplama doğruluğunu önemli ölçüde iyileştirmeyi başardılar. Yöntem, tek bir öğrenilebilir parametre ile kuantum sistemlerin temel durumlarını sinir ağlarının daha kolay öğrenebileceği bir formata dönüştürüyor. Üç boyutlu homojen elektron gazı üzerinde yapılan testlerde, hem FermiNet hem de mesaj geçişli sinir ağı mimarileri için tutarlı enerji iyileştirmeleri elde edildi. Bu gelişme, kuantum fiziğinde yapay zeka uygulamalarının etkinliğini artırarak, karmaşık malzeme bilimi ve kuantum kimyası problemlerinin çözümünde önemli bir adım teşkil ediyor.

Araştırmacılar, toplu taşıma ağlarının tasarımında graf teorisinin temel yapılarından olan 'kapsayan ağaç' konseptini kullanarak yenilikçi bir yaklaşım geliştirdi. Çalışmada, yolcu-kilometre mesafesini en aza indirerek halk otobüsü sistemlerinin verimliliğini artırmak hedefleniyor. Büyük ölçekli ağlarda optimal çözüm bulmanın zorluğunu aşmak için tabu arama algoritması kullanan araştırmacılar, metodlarını Canberra şehrinin otobüs ağı verisiyle test etti. Bu matematiksel yaklaşım, şehircilik ve ulaştırma planlamasında optimizasyon tekniklerinin nasıl kullanılabileceğine dair önemli ipuçları sunuyor. Araştırma, teorik matematiksel modellerin gerçek hayat problemlerine uygulanması açısından dikkat çekici.