Araştırmacılar, finansal piyasalardaki büyük düşüş ve yükselişleri 10 gün önceden tahmin edebilen ORCA adlı yeni bir yapay zeka sistemi geliştirdi. Sistem, geleneksel risk modellerinin aksine, farklı varlıklar arasındaki karmaşık ilişki ağlarını analiz ederek tahminlerde bulunuyor. ORCA, 24 farklı borsa enstrümanından elde edilen verileri spektral grafik teorisi ve rastgele matris teorisiyle işleyerek 206 boyutlu özellik vektörleri oluşturuyor. Bu yaklaşım, finansal piyasaların sadece oynaklık değil, aynı zamanda varlıklar arası korelasyon yapılarının da önemli bilgiler taşıdığı prensibine dayanıyor. Sistem, makine öğrenmesi algoritmaları kullanarak kalibre edilmiş olasılık tahminleri sunuyor.

2010 yılında Lionel Levine tarafından ortaya atılan Levine şapka problemi, matematik dünyasının en zorlu işbirlikçi bulmacalarından biri. Bu problemde oyuncular, sonsuz yığınlar halinde dizilmiş şapkalar arasından kendi yığınlarındaki siyah şapkayı bulma yarışındalar. Ancak tuzak şurada: her oyuncu yalnızca takım arkadaşlarının şapkalarını görebiliyor, kendisininkileri değil. Yıllardır bu bulmacada optimal başarı oranı bilinmiyordu. Yeni araştırma, hem geometrik bir çerçeve geliştirerek problemi daha anlaşılır hale getiriyor hem de beş şapkalık bloklar halinde işleyen yeni bir strateji sunuyor. Bu strateji, iki oyuncu için beklenen %35'lik başarı oranına ulaşabiliyor ve üçten fazla blok boyutunun yararsız olduğu yönündeki önyargıyı çürütüyor.

Araştırmacılar, 1996'da Benjamini ve Schramm tarafından ortaya atılan önemli bir matematik varsayımını kanıtladı. Düzlemsel grafiklerde site perkolasyon süreçlerinin ya hiç sonsuz bağlantılı bileşen içermediğini ya da sonsuz sayıda içerdiğini gösterdiler. Bu breakthrough sonuç, Bernoulli site perkolasyon durumunu kapsıyor ve kritik olasılık değerinin en az 1/2 olduğunu kanıtlıyor. Ayrıca, 1982'den beri tartışılan altıgen kafes üzerindeki loop O(n) modelinin faz diyagramının bir bölümünü de doğruladılar. Çalışma, perkolasyon teorisindeki temel anlayışımızı derinleştiriyor ve matematik camiasında uzun süredir beklenilen bir sonucu sunuyor.

Fizikçiler, φ⁴ kuantum alan teorisindeki parçacık etkileşimlerini gerçek zamanlı olarak simüle etmeyi başardı. Matrix Product States ve zaman-bağımlı varyasyonel ilke yöntemlerini kullanan araştırmacılar, iki boyutlu uzayda parçacık çarpışmalarının davranışını inceledi. Çalışma, simetrik fazda güçlü inelastik saçılma (%71.2 elastik olasılık) gözlemlerken, spontane olarak bozulmuş fazda neredeyse mükemmel elastik çarpışmalar tespit etti. Bu yenilikçi yaklaşım, kuantum alan teorisinin karmaşık dinamiklerini anlamak için yeni bir yol açıyor ve parçacık fiziğindeki etkileşimlerin doğasına dair önemli bilgiler sunuyor.

Araştırmacılar, uzamsal nokta süreçlerinin modellenmesinde kullanılan Skellam rastgele alanlarının yeni varyantlarını geliştirdi. Bu matematiksel model, düzlemin pozitif bölgesinde dikdörtgen artışlara sahip iki parametreli Lévy süreçlerini temel alıyor. Çalışma, bu alanların zayıf yakınsama özelliklerini inceleyerek, sonlu dikdörtgenler üzerindeki Riemann-Liouville integrallerini analiz ediyor. Araştırma ekibi, üç farklı kesirsel varyant geliştirerek bu modellerin nokta olasılıklarını ve dağılım özelliklerini matematiksel olarak karakterize etmeyi başardı. Bu gelişme, stokastik süreçler ve uzamsal istatistik alanlarında yeni analitik araçlar sunuyor.

Araştırmacılar orman yangınlarının yayılımını tahmin etmek için yeni bir olasılık temelli matematiksel model geliştirdi. İki boyutlu ayrık yapıda tasarlanan bu model, yangınların uzun vadeli davranışlarını analiz ederek gelecekteki yangın risklerinin değerlendirilmesine yardımcı olabilir. Çalışma, yangın yönetimi ve orman koruma stratejilerinin geliştirilmesi açısından önemli bir adım olarak değerlendiriliyor. Model, yangının belirli koşullar altında nasıl ilerleyeceğini matematiksel olarak tanımlayarak, yangın söndürme ekiplerinin daha etkili müdahale planları yapmasını sağlayabilir. Araştırma aynı zamanda gelecek çalışmalar için açık sorular da ortaya koyuyor.

Araştırmacılar, sonsuz varyasyonlu temperlenmişs kararlı dağılımlardan simülasyon yapmanın ilk kesin ve hesaplamalı olarak uygulanabilir yöntemini geliştirdiler. Bu dağılımlar, finansal risk modelleme, fizik ve mühendislikte kritik öneme sahip olmalarına rağmen, α≥1 durumunda simüle edilmeleri son derece zordu. Yeni yaklaşım, özellikle α∈[1,2) aralığındaki sonsuz varyasyon durumu için tasarlandı. Temperlenmişs kararlı dağılımlar, hem ağır kuyruklu davranış hem de üstel azalma özelliklerini birleştirerek, gerçek dünya verilerinin modellenmesinde güçlü araçlar sunar. Araştırma ekibinin gerçekleştirdiği simülasyon çalışması, metodun etkin bir şekilde çalıştığını doğruladı. Bu gelişme, risk yönetimi, optik fiziği ve sinyal işleme gibi alanlarda daha doğru matematiksel modelleme imkanları sunacak.

Araştırmacılar, yapay zekanın temel taşlarından normalleştirici akışlar ile matematikteki Kähler-Ricci akışları arasında beklenmedik bir bağlantı keşfetti. Bu çalışma, veri analizi için kullanılan karmaşık normalleştirici akışların, diferansiyel geometrideki eğrilik teorileriyle nasıl örtüştüğünü ortaya koyuyor. Keşif, makine öğrenmesi algoritmalarının matematiksel temellerini daha derin anlamaya ve yeni optimizasyon yöntemlerinin geliştirilmesine kapı açabilir. Araştırma, özellikle olasılık dağılımlarının dönüşümünde kullanılan logaritmik determinantların, geometrik eğrilik terimleriyle aynı matematiksel yapıyı paylaştığını gösteriyor.

Araştırmacılar, büyük dil modellerinin kod üretimi ve matematiksel akıl yürütme performansını artırmak için 'olasılıklı düşünce programları' adını verdikleri yeni bir test-zamanı çerçevesi geliştirdi. Bu yöntem, modelin daha az GPU hesaplaması kullanarak daha fazla kod örneği üretmesini sağlıyor. Geleneksel yaklaşımda uygun bir program elde edilene kadar sürekli örnekleme yapılırken, yeni teknik modelin olasılık dağılımını doğrudan programlara entegre ederek maliyetli hesaplama sürecini optimize ediyor. Özellikle büyük ölçekli kod üretimi projelerinde kaynak kullanımını dramatik şekilde azaltma potansiyeline sahip bu gelişme, yapay zeka destekli programlama araçlarının verimliliğini artırabilir.

Büyük dil modelleri (LLM'ler) sohbet arayüzlerinden karmaşık sistemlerin temel bileşenlerine dönüşürken, belirli olasılık dağılımlarından doğru örnekleme yapabilme kabiliyeti kritik hale geldi. Yeni bir araştırma, 11 farklı yapay zeka modelinin 15 istatistiksel dağılımdan rastgele sayı üretme performansını değerlendirdi. Sonuçlar oldukça çarpıcı: modeller toplu üretimde %7 başarı oranı gösterirken, bağımsız isteklerde neredeyse tamamen başarısız oluyor. Bu durum, yapay zekanın olasılıksal hesaplamalar gerektiren bilimsel ve teknolojik uygulamalarda ciddi sınırları olduğunu ortaya koyuyor.

Araştırmacılar, büyük dil modellerinin güvenlik açıklarını test etmek için yenilikçi bir yaklaşım geliştirdi. 'Ters Anayasal AI' adı verilen bu sistem, zararlı içerik üretebilen otomatik veri üretimi sağlıyor. Geleneksel güvenlik testlerinin aksine, bu yöntem sistematik ve kontrollü bir şekilde çok boyutlu saldırı verisi sentezleyebiliyor. Sistem, zararlı bir anayasa oluşturarak ve eleştiri-revizyon döngüsü kullanarak çalışıyor. Ancak sadece toksisite odaklı optimizasyon, anlam bozulmasına yol açabiliyor. Bu sorunu çözmek için olasılık sıkıştırma tekniği kullanılarak hem saldırgan niyeti koruyor hem de anlamsal tutarlılığı sağlıyor. Çalışma, AI güvenliği alanında önemli bir adım teşkil ediyor.