Bilim insanları, kuantum parçacıkların klasik çözücüler içindeki davranışını daha doğru modelleyebilecek hibrit bir hidrodinamik çerçeve geliştirdi. Bu yeni yaklaşım, kuantum çözünen maddelerin polar çözücülerle etkileşimini incelerken hem kuantum dekoherensini koruyabilir hem de hesaplama karmaşıklığını önemli ölçüde azaltabilir. Araştırmacılar, çözünen madde ile çözücü arasındaki temel korelasyonları korurken, ataletsel etkiler ve polarizasyon gevşemesi gibi dinamik süreçleri de modele dahil ettiler. Bu gelişme, kimyasal reaksiyonların ve moleküler süreçlerin daha iyi anlaşılmasına katkı sağlayabilir.

Araştırmacılar, moleküllerin elektron davranışlarını simüle etmek için kullanılan zaman-bağımlı yoğunluk fonksiyonel teorisi (TDDFT) hesaplamalarını hızlandıran yeni bir yapay zeka modeli geliştirdi. OrbEvo adlı bu sistem, graph transformer mimarisi kullanarak moleküllerin dış elektrik alan etkisiyle değişen dalga fonksiyonlarını öğreniyor. Geleneksel TDDFT yöntemleri, optik absorpsiyon ve elektron dinamiği gibi özelikleri hesaplamak için çok ince zaman adımlarıyla tüm elektronik durumları simüle etmek zorunda kalıyor ve bu işlem oldukça zaman alıyor. Yeni model, moleküler simetriler ve dış elektrik alanların etkilerini dikkate alarak bu süreci önemli ölçüde hızlandırabiliyor. Bu gelişme, kimyasal reaksiyonların anlaşılması ve yeni malzemelerin tasarımı açısından büyük önem taşıyor.

Araştırmacılar, Afrika'daki kuraklık ve ani kuraklık olaylarını önceden tahmin edebilen yapay zeka tabanlı bir model geliştirdi. DroughtFormer adı verilen bu sistem, CrossFormer mimarisi kullanarak mevsimlik ve kısa vadeli tahminler yapabiliyor. Afrika'da tarımsal üretimin büyük ölçüde yerel iklim koşullarına bağlı olması nedeniyle, bu tür erken uyarı sistemleri kritik öneme sahip. Model, ERA5 ve GLDAS veri setlerini kullanarak eğitildi ve NSF NCAR'ın CREDIT çerçevesi üzerine kuruldu. Bu gelişme, özellikle iklim değişikliği etkilerinin yoğun yaşandığı Afrika kıtası için önemli bir adım.

Araştırmacılar, güvenlik açısından kritik sistemlerin kontrolü için yeni bir Model Öngörülü Kontrol (MPC) yaklaşımı geliştirdi. Maximal Controlled Invariant-MPC (MCI-MPC) adı verilen bu yöntem, Kontrol Engel Fonksiyonlarını (CBF) terminal kısıt olarak kullanarak hem güvenliği garanti ediyor hem de sistemin performansını artırıyor. Geleneksel yöntemlerde güvenlik kısıtları genellikle aşırı muhafazakâr olur, bu da sistem performansını düşürür. Yeni yaklaşım, öngörü ufkunun artmasıyla birlikte fizibiliteyi ve erişilebilir kümeleri iyileştiriyor. Nonholonomik sistemler üzerinde yapılan simülasyonlarda, çözümsüz nokta sayısının 1,7 ila 2,7 kat azaldığı gözlemlendi.

İsviçreli araştırmacılar, yerel enerji toplulukları ile elektrikli araç şarj sistemlerini birleştiren yenilikçi bir model geliştirdi. 'Topluluktan-Araca' (C2V) adı verilen bu yaklaşım, güneş panellerinden elde edilen fazla enerjiyi öncelikle topluluk içindeki elektrikli araçların şarjında kullanmayı öngörüyor. Mevcut sistemde enerji toplulukları ile kamusal şarj istasyonları arasındaki kurumsal ayrılık, yerel yenilenebilir enerji kaynaklarının verimli kullanımını engelliyor. Yeni model, bu sorunu çözerken hem araç sahiplerinin şarj maliyetlerini düşürüyor hem de topluluk için ek gelir kaynağı yaratıyor.

Araştırmacılar, elektrik araçları ve enerji depolama sistemleri için kritik öneme sahip batarya gerilim tahmini konusunda yeni bir yaklaşım geliştirdi. Geleneksel eşdeğer devre modellerinin yetersizliği ile tamamen veri odaklı yapay zeka sistemlerinin güvenilirlik sorunları arasında köprü kuran hibrit model, her iki yaklaşımın güçlü yanlarını birleştiriyor. Bu yenilikçi yöntem, batarya yönetim sistemlerinin daha doğru çalışmasını sağlayarak elektrikli taşıtların ve enerji depolama teknolojilerinin gelişimine katkı sunuyor.

Araştırmacılar, farklı kütlelere sahip sistemler arasında optimal kaynak aktarımı yapabilen yeni bir matematiksel model geliştirdi. 'Dengesiz optimal taşıma' adı verilen bu yaklaşım, klasik optimal taşıma teorisinin sınırlarını aşarak, kaynak ve hedef arasındaki kütle farklılıklarını hesaba katıyor. Model, özellikle doğrusal sistemler ve Gaussian dağılımlar için global olarak optimal çözümler sunuyor. Bu gelişme, lojistik optimizasyondan makine öğrenmesine kadar birçok alanda uygulanabilir. Dinamik uzantısı olan 'dengesiz yoğunluk kontrolü' ise sistem kısıtlarını ve zaman faktörünü de modele dahil ediyor.

Model öngörülü kontrol (MPC) sistemleri endüstride yaygın kullanılmasına rağmen, donanım ve zaman kısıtlamaları nedeniyle uygulanması zor olabilir. Araştırmacılar, yapay sinir ağları kullanarak MPC politikalarını taklit eden yeni bir yaklaşım geliştirdi. Geleneksel yöntemler sadece hatayı minimize etmeye odaklanırken, yeni 'maliyet odaklı öğrenme' yaklaşımı doğrudan operasyonel maliyeti azaltmayı hedefliyor. Bu devrimci yaklaşım, teorik analizlerde geleneksel yöntemlere göre daha sıkı performans garantileri sunduğunu gösterdi. Sürekli karıştırmalı tank reaktörü testlerinde başarılı sonuçlar elde eden bu teknoloji, endüstriyel otomasyon alanında önemli bir ilerleme vaat ediyor.

Lityum-iyon bataryalarda sıcaklık kontrolü hayati öneme sahip. Aşırı ısınma yangın ve patlama riskine yol açarken, yetersiz ısınma performansı düşürür. Araştırmacılar, batarya yönetim sistemleri için yeni bir yapay zeka modeli olan KAN-Therm'i geliştirdi. Bu model, Kolmogorov-Arnold ağlarını kullanarak batarya çekirdek sıcaklığını hızlı ve doğru şekilde tahmin ediyor. Geleneksel fizik tabanlı modeller yüksek hesaplama gücü gerektirirken, klasik sinir ağları çok fazla bellek tüketiyor. KAN-Therm ise hem düşük bellek kullanımı hem de hızlı işlem yapabilme özelliğiyle öne çıkıyor. Model, öğrenebilir doğrusal olmayan aktivasyon fonksiyonları sayesinde karmaşık ısıl davranışları daha az kaynak kullanarak modelleyebiliyor.

Araştırmacılar, dinamikleri bilinmeyen robotik sistemlerin hareketli engellerin bulunduğu ortamlarda güvenli navigasyon yapabilmesi için yeni bir kontrol yöntemi geliştirdi. Bu yaklaşım, geleneksel yöntemlerin aksine sistem öğrenme veya belirsizlik tahmini gerektirmiyor. Sanal bir sistem üzerinde güvenli referans yörünge oluşturuluyor ve gerçek sistem bu referansı takip ederek hem güvenliğini koruyor hem de belirlenen sürede hedefe ulaşıyor. Yöntem, model tanımlama veya önceden hesaplama yapmadan gerçek zamanlı güvenlik garantisi sunuyor. Bu gelişme, otonom araçlar ve robotik sistemler için önemli uygulamalara sahip.

Araştırmacılar, otonom araçlar ve robotik sistemler için güvenliği ön planda tutan yeni bir kontrol algoritması geliştirdi. 'Güçlü M-Adım Tutma Model Öngörülü Kontrol' adı verilen bu yöntem, sistemlerin kontrolündeki örnekleme sıklığını güvenli bir şekilde ayarlayabilmeyi sağlıyor. Geleneksel kontrol sistemlerinde sabit frekanslarda çalışan sensörler ve işlemciler, bu yeni yaklaşımla ihtiyaca göre daha esnek hale geliyor. Sistem, belirsizlikler karşısında dayanıklılık gösterirken, güvenlik kısıtlarını da korumayı başarıyor. Cruise control örneğinde test edilen algoritma, enerji verimliliği ve performansı artırırken güvenliği garanti altına alıyor. Bu gelişme, özellikle otonom sürüş teknolojileri ve endüstriyel robot kontrolü alanlarında önemli ilerlemeler sağlayabilir.