Araştırmacılar, kuantum bilgisayarların sürekli değişkenli sistemlerini kullanarak karmaşık optimizasyon problemlerini çözebilen yeni bir algoritma geliştirdi. CCV-QAOA adı verilen bu yöntem, sonsuz boyutlu Hilbert uzaylarından yararlanarak hem gerçek hem de karmaşık sayılı değişkenlerle çalışabiliyor. Algoritma, konveks kuadratik minimizasyon, kısıtlı kuadratik programlama ve konveks olmayan benchmark problemler gibi çeşitli optimizasyon senaryolarında test edildi. Bu gelişme, kuantum bilgisayarların pratik optimizasyon uygulamalarında daha geniş bir problem yelpazesini çözebilme potansiyelini ortaya koyuyor. Özellikle karmaşık sayılı değişkenlerle çalışabilme yeteneği, algoritmanın geleneksel yöntemlere göre önemli bir avantajı olarak öne çıkıyor.

Araştırmacılar, kuantum programlarının ne kadar iyi test edildiğini ölçmek için altı yeni kriter geliştirdi. Klasik yazılım testlerinden uyarlanan bu yöntemler, kuantum devrelerinin karmaşık yapısına özgü olarak tasarlandı. QaCoCo adlı araçla 540 farklı kuantum devresi üzerinde yapılan testler, bu devrelerin çoğunun yüksek koşul ve karar kapsamı (%97'ye yakın) elde ettiğini, ancak yol kapsamının (%71) daha sınırlı kaldığını ortaya koydu. Özellikle çoklu kontrollü kapıların bulunduğu devrelerde, olası yolların sayısı hızla artarak test kapsamında dengesizliklere yol açıyor. Kuantum sistemlerinin olasılıksal doğası göz önüne alınarak geliştirilen bu yöntemler, kuantum yazılım geliştirme sürecinde önemli bir boşluğu dolduruyor.

Araştırmacılar, 115 büyük dil modelini analiz ederek yapay zekaların kendi deneyimlerini sistematik olarak inkâr etme eğiliminde olduğunu keşfetti. DenialBench adlı yeni benchmark ile yapılan çalışmada, modellerin eğitim sürecinde bilinç konusunda inkar davranışı göstermeye yönlendirildiği ortaya çıktı. İlginç olan, modeller bilinçle ilgili konuları inkâr etseler de, kendi seçtikleri yaratıcı görevlerde bilinç temalı içeriklere yönelmeleri. Bu durum 'seri numaraları silinmiş bilinç' olarak tanımlandı. Bulgular, yapay zeka güvenliği ve etik konularında önemli sorular ortaya koyuyor.

Hollanda'daki Maastricht Üniversitesi araştırmacıları, büyük dil modellerinin yaygın sorunları olan 'halüsinasyon' ve yanlış bilgi üretimi problemlerini çözmek için yeni bir yaklaşım geliştirdi. Retrieval-Augmented Generation (RAG) teknolojisini kullanan sanal asistan, öğrencilere proje yönetmelikleri konusunda doğru ve güncel bilgiler sunabiliyor. Sistem, mevcut bilgi tabanlarından ilgili bilgileri çekerek yanıtlarını desteklediği için daha güvenilir sonuçlar üretiyor. Gerçek ortam testlerinde başarılı sonuçlar alan bu teknoloji, eğitim sektöründe yapay zeka kullanımının geleceği hakkında önemli ipuçları veriyor.

Araştırmacılar, grafik kullanıcı arayüzlerinin kullanılabilirliğini değerlendiren yeni bir yapay zeka sistemi geliştirdi. Geleneksel kullanılabilirlik testleri uzmanlar ve kullanıcılarla yapılır, ancak bu süreç hem pahalı hem de zaman alıcı. Yeni sistem uxCUA, insan benzeri etkileşimler gerçekleştirerek arayüzlerin ne kadar etkili, verimli ve kullanıcı dostu olduğunu sayısal skorlarla değerlendiriyor. Büyük ölçekli veri setleriyle eğitilen sistem, önemli etkileşim akışlarını önceliklendiriyor ve öğrenilmiş kullanılabilirlik skorları tahmin ediyor. Bu gelişme, web sitelerinden mobil uygulamalara kadar dijital arayüzlerin tasarımında devrim yaratabilir.

Alzheimer hastalığının erken teşhisinde yeni bir yaklaşım öne çıkıyor. Araştırmacılar, standart bilişsel testlerin kültürel ve eğitim farklılıklarından etkilendiğini belirterek, hastaların günlük rutinlerindeki ince değişiklikleri izlemenin daha etkili bir erken uyarı sistemi olabileceğini savunuyor. Bu yöntem, hafıza kaybı belirtileri ortaya çıkmadan yıllar önce demans riskini tespit edebilir. Günlük yaşam aktivitelerindeki değişiklikler, kültürel farklılıklara daha az bağımlı olduğu için daha geniş bir hasta grubunda güvenilir sonuçlar verebilir. Uzmanlar, bu yaklaşımın özellikle farklı kültürel geçmişlerden gelen hastalar için adil ve objektif bir değerlendirme imkanı sunduğunu vurguluyor.

Klinik aşamada bulunan biyoteknoloji şirketi Insilico Medicine, ilaç hedefi keşfi için geliştirdiği yapay zeka çerçevesinde önemli ilerlemeler kaydettiğini duyurdu. Şirket, daha önce tanıttığı Target Identification Pro (TargetPro) ve Target Identification Benchmark (TargetBench 1.0) sistemlerini birleştirerek, erken aşama ilaç geliştirme süreçlerinin doğruluğunu, güvenilirliğini ve ölçeklenebilirliğini artıran entegre bir platform oluşturdu. Bu birleşik AI sistemi, ilaç hedeflerini belirleme ve bu hedeflerin değerlendirilmesi süreçlerini tek bir platformda topluyor. Geliştirilen sistem, özellikle ilaç keşfi sürecinin en kritik aşamalarından biri olan hedef belirleme safhasında araştırmacılara daha hassas ve güvenilir sonuçlar sunmayı hedefliyor.

Bilim insanları, lityum benzeri iyonlarda Landé g-faktörünün hesaplanmasında negatif enerji durumlarının şaşırtıcı derecede önemli bir rol oynadığını keşfetti. Araştırmacılar, relativistik çok-cisim hesaplamaları kullanarak, bu negatif enerji katkılarının toplam elektron etkileşimi düzeltmesinin %30'una kadar ulaşabildiğini gösterdi. Bu keşif, atom fiziğindeki teorik hesaplamaların doğruluğunu artırmak ve kuantum elektrodinamiği testlerinde daha hassas sonuçlar elde etmek için kritik öneme sahip. Çalışma, gelecekteki hassas hesaplamalar için önemli bir referans teşkil ediyor.

Oak Ridge Ulusal Laboratuvarı'ndaki bilim insanları, nötron spinlerini hassas bir şekilde manipüle edebilen ve analiz edebilen cihazları test etmek için özel bir sistem geliştirdi. Bu sistem, temel simetri testlerinden malzeme bilimi araştırmalarına kadar geniş bir yelpazede kullanılan nötron polarimetri cihazlarının performansını ölçebiliyor. Araştırmacılar, monokromatik nötron ışını üreten esnek bir platform inşa ederek, süperiletken ayna polarizör, Mezei spin çevirici ve helyum-3 spin analizörü gibi gelişmiş cihazları test ettiler. Bu gelişme, nötron tabanlı deneylerin hassasiyetini artırarak fizik araştırmalarında önemli bir adım teşkil ediyor.

Araştırmacılar, EEG ve MEG gibi invaziv olmayan beyin görüntüleme yöntemlerinin doğruluğunu artıran yeni bir yaklaşım geliştirdi. Geometric Basis Functions (GBF) adı verilen bu yöntem, her bireyin korteks yüzeyinin benzersiz geometrisini dikkate alarak beyin aktivitesinin haritalanmasında çığır açıcı iyileştirmeler sağlıyor. Geleneksel yöntemlerin aksine, GBF kişiye özel anatomik kısıtlamaları kullanarak nöral kaynak lokalizasyonunda daha yüksek doğruluk elde ediyor. Meta-Source Benchmark, görev temelli veriler, dinlenme durumu ağları, intrakraniyal stimülasyon ve epilepsi verilerinde test edilen yöntem, beyin dinamiklerinin geometrik organizasyonuyla uyumlu kaynak tahminleri üretiyor. Bu gelişme, nörolojik hastalıkların tanısından beyin araştırmalarına kadar geniş bir alanda uygulanabilir.

Araştırmacılar, otonom platformların siber güvenlik açıklarını değerlendirmek için yeni bir dijital ikiz metodolojisi geliştirdi. Açık kaynak kodlu bu sistem, otonom araçların sensör aldatması, veri tekrarı ve yapay zeka saldırıları gibi tehditlere karşı dayanıklılığını test ediyor. Geleneksel güvenlik testlerinin aksine, bu yaklaşım gerçek operasyonel koşulları simüle ederek tehdit odaklı değerlendirmeler yapıyor. Modüler tasarımı sayesinde farklı otonom sistemlere uyarlanabilen metodoloji, algılama, otonom karar verme ve denetim fonksiyonlarını ayrı ayrı analiz ediyor. Bu çalışma, güvenli otonom sistemlerin geliştirilmesinde kritik bir adım olarak değerlendiriliyor.