Araştırmacılar, birbirini etkileyebilen sistemlerde iletişim hatalarına rağmen ne kadar sürede uzlaşmaya varılacağını hesaplayan LiFE-CD algoritmasını geliştirdi. Bu yenilik, drone sürüleri, otonom araçlar ve sensör ağları gibi çoklu-ajan sistemlerinin güvenilirliğini artırmaya yönelik önemli bir adım. Algoritma, mevcut yaklaşımların aksine simülasyon gerektirmeden, ağ yapısı ve bağlantı hata olasılıklarından yola çıkarak kesin sonuçlar üretebiliyor. Bu sayede sistemlerin belirli zaman dilimlerinde çalışma garantileri verilebilecek.

Araştırmacılar, öneri sistemlerinde yaygın kullanılan yoğun sinir ağı modellerinin aslında verimsiz olduğunu keşfetti. Endüstriyel tıklama oranı tahmin modellerinin analizi, öğrenilen bağlantı ağırlıklarının çoğunun sıfıra yaklaştığını ve sadece küçük bir kısmının önemli kaldığını gösteriyor. Bu durum, yoğun bağlantılı mimariler ile seyrek öneri verisi arasında yapısal bir uyumsuzluğa işaret ediyor. Geleneksel yaklaşımlar, modeli düşük faydalı bağlantıları işlemeye zorlarken gerçek sinyalleri gözden kaçırıyor. Araştırma ekibi, bu sorunu çözmek için açık seyreklik kullanan yeni bir çerçeve önerdi ve böylece öneri sistemlerinin ölçeklenebilirliğini artırmayı hedefliyor.

Araştırmacılar, güneş ışınımı, rüzgar hızı ve elektrik yükü gibi periyodik özelliklere sahip enerji verilerini tahmin etmek için yeni bir matematiksel yöntem geliştirdi. Geleneksel modellerin aksine, bu yaklaşım zamana bağlı değişen istatistiksel özellikleri dikkate alarak daha doğru tahminler sunuyor. Yöntem, döngüsel süreçlerin doğal simetrisini koruyarak eğitim gerektirmeyen analitik bir çözüm sağlıyor. Bu gelişme, yenilenebilir enerji kaynaklarının entegrasyonu ve enerji ağlarının optimizasyonu açısından önemli bir adım teşkil ediyor.

Kalp hastalıkları teşhisinde kullanılan EKG sinyallerinin otomatik analizi için geliştirilen yapay zeka modelleri, geleneksel makine öğrenmesi yöntemleriyle karşılaştırıldı. PTB-XL veri seti üzerinde yapılan araştırmada, derin öğrenme modelleri ham EKG verilerinden otomatik olarak ayırt edici özellikleri çıkarabilme yetenekleriyle öne çıktı. Çalışmada altı farklı model test edildi: üç geleneksel makine öğrenmesi algoritması ve üç derin öğrenme modeli. Sonuçlar, karmaşık yapay sinir ağlarının kardiyovasküler hastalıkların erken teşhisinde umut verici sonuçlar elde ettiğini gösteriyor.

Bilim insanları, nesnelerin interneti (IoT) cihazları için devrim niteliğinde bir güvenlik çözümü geliştirdi. Bu yenilik, SWIPT (Simultaneous Wireless Information and Power Transfer) teknolojisini kullanan IoT ağlarında güvenliği artırırken enerji tüketimini minimal düzeyde tutuyor. Backscatter tabanlı kimlik doğrulama mekanizması sayesinde, cihazlar geleneksel RF alıcı-vericilerini aktif hale getirmeden güvenli iletişim kurabilmekte. Araştırmacılar, protokolden bağımsız çalışan bu çözümün minimal donanım değişikliği gerektirdiğini ve mevcut LoRaWAN şifrelemesindeki güvenlik açıklarını giderdiğini gösterdi. Pil gerektirmeyen sensör düğümlerinde test edilen sistem, özellikle enerji kısıtlı ortamlarda çalışan IoT cihazları için büyük önem taşıyor.

Araştırmacılar, mevcut graf sinir ağlarının sınırlarını aşan yeni bir yapay zeka modeli geliştirdi. ModernSASST adlı bu sistem, geleneksel yöntemlerin sadece ikili ilişkileri yakalayabilmesine karşın, gerçek dünyadaki karmaşık ağ yapılarındaki çok boyutlu ilişkileri de analiz edebiliyor. Simplisyal kompleks adı verilen matematiksel yapıları kullanan model, hem uzaysal hem de zamansal verileri daha etkili şekilde işleyebiliyor. Bu gelişme, ulaşım ağlarından sosyal medya analizine, hava durumu tahminlerinden şehir planlamasına kadar birçok alanda daha hassas ve hızlı sonuçlar elde edilmesini sağlayabilir.

Araştırmacılar, modern üretim sistemlerinin tedarik zinciri kesintilerine karşı dayanıklılığını matematiksel olarak ölçebilen yeni bir framework geliştirdi. Çalışma, yerel aksaklıkların nasıl sistem çapında çöküşlere yol açabileceğini analiz ederek, dayanıklı ve kırılgan tedarik zincirleri arasındaki farkı belirlemeyi sağlıyor. Node percolation teorisi ve dallanma süreçlerini kullanan model, dört kritik yapısal belirleyici tanımlıyor: hammadde sayısı, nihai ürün sayısı, tedarik gereksinimleri ve tedarik etkisi. Bu yenilikçi yaklaşım, şirketlerin tedarik ağlarını daha dayanıklı hale getirmesine yardımcı olabilir.

Araştırmacılar, uzamsal-zamansal verilerdeki dağılım kaymasını çözmek için Tersine Çevrilebilir Artık Normalizasyon (RRN) adlı yenilikçi bir framework geliştirdi. Bu teknik, grafik yapılarında hem zamansal hem de mekansal boyutlarda ortaya çıkan veri dağılım değişikliklerini ele alarak, derin öğrenme modellerinin tahmin performansını önemli ölçüde artırıyor. Geleneksel yöntemler sadece zaman serisindeki değişimlere odaklanırken, RRN grafik konvolüsyon işlemlerini kullanarak ağ yapısının karmaşık özelliklerini de dikkate alıyor. Bu gelişme, trafik tahmini, hava durumu modelleme ve epidemiyoloji gibi birçok alanda uygulanabilir.

MIT araştırmacıları, yapay zeka dünyasında köklü bir varsayımı sarsan bir keşif yaptı. Onlarca yıldır geçerli kabul edilen 'yoğun sinir ağlarının her türlü fonksiyonu öğrenebileceği' teorisinin aslında yanlış olduğunu matematiksel olarak ispat ettiler. Araştırma, ReLU aktivasyon fonksiyonu kullanan ve ağırlık değerleri sınırlı olan yoğun bağlantılı sinir ağlarının, bazı Lipschitz sürekli fonksiyonları asla öğrenemeyeceğini gösteriyor. Bu bulgu, yapay zeka modellerinin tasarımında seyreltilmiş bağlantıların neden kritik önemde olduğunu açıklıyor ve gelecekteki sinir ağı mimarilerinin nasıl geliştirilmesi gerektiği konusunda yeni perspektifler sunuyor. Çalışma, graf sinir ağları ve mesaj geçişi yaklaşımlarını kullanarak bu sınırlamaları ortaya koyuyor.

Araştırmacılar, endüstriyel 5G ağlarında karşılaşılan önemli bir sorunu çözmek için FLEX adlı yenilikçi bir sistem geliştirdi. Mevcut sistemler, veri trafiğinin yoğunluğuna göre upload ve download kaynaklarını dinamik olarak ayarlayamıyor ve sabit oranlarda çalışıyor. Bu durum özellikle Endüstri 4.0 uygulamalarında sorun yaratıyor çünkü farklı yönlerde değişken trafik yoğunlukları ve çeşitli hizmet kalitesi gereksinimleri bulunuyor. FLEX sistemi, bu ihtiyaçları gerçek zamanlı olarak analiz ederek kaynak dağılımını optimize ediyor. Sistem, yüksek öncelikli indirme trafiğinin aksamaması için tampon durumu tahmini yaparak endüstriyel trafik kalıplarının öngörülebilir doğasını kullanıyor. Yapılan simülasyonlar, FLEX'in mevcut sistemlerle benzer verim sağlarken esneklik açısından önemli avantajlar sunduğunu gösteriyor.

Araştırmacılar, sosyal medya olaylarının gerçek hayattaki karmaşık dinamiklerini daha iyi modelleyen yeni bir simülasyon sistemi geliştirdi. IntervenSim adlı bu sistem, büyük dil modellerini kullanarak sosyal ağlarda yaşanan olayların nasıl evrimleştiğini, müdahalelerin etkilerini ve toplumsal tepkilerin nasıl değiştiğini takip ediyor. Geleneksel yöntemlerden farklı olarak, bu sistem olayları sabit bir şekilde ele almak yerine, kaynak tarafından yapılan müdahaleler ve toplumsal etkileşimlerin sürekli olarak olay seyrini nasıl değiştirdiğini modelliyor. Bu yaklaşım, viral içeriklerin ikincil patlamalar yaşaması ve kolektif tutum değişiklikleri gibi gerçek sosyal ağ fenomenlerini daha doğru bir şekilde simüle etmeyi mümkün kılıyor.