Araştırmacılar, bilgisayar programlarının özel verileri sızdırmasını önlemek için yeni bir güvenlik modeli geliştirdi. Bu çalışma, programcıların gizli bilgileri kontrollü şekilde paylaşabilmesini sağlayan 'declassification' sürecini ele alıyor. Özellikle karmaşık programlama yapılarında, verilerin hangi bölümlerde güvenli bir şekilde açığa çıkarılabileceğini belirleyen matematiksel bir framework sunuyor. Yeni model, önceki tanımlara göre daha güçlü güvenlik garantileri sağlıyor ve modern yazılım geliştirmede kritik olan veri gizliliği sorunlarına çözüm getiriyor. Bu gelişme, kişisel verilerin korunması gereken uygulamalarda önemli bir adım teşkil ediyor.

Araştırmacılar, tamamlayıcılık kısıtlı matematiksel programlama (MPCC) problemleri için yeni bir çözüm yöntemi geliştirdi. Bu problemler, standart optimizasyon tekniklerinin başarısız olduğu karmaşık nonlineer optimizasyon sorunlarıdır. Yeni geliştirilen ardışık ikinci dereceden programlama (SQPCC) yöntemi, bu zorlu problemlere daha etkili çözümler sunuyor. Çalışma, SQPCC yönteminin yerel yakınsama özelliklerini analiz ederek, S-durağan noktalara yakınsamanın nasıl gerçekleştiğini ortaya koyuyor. Bu gelişme, mühendislik, ekonomi ve optimizasyon alanlarında karşılaşılan karmaşık problemlerin çözümünde önemli ilerlemeler sağlayabilir.

Bilim insanları, finansal sistemlerin belirsizliklerle dolu dünyasını matematiksel olarak modellemek için yeni bir yaklaşım geliştirdiler. Ağırlıklı sonlu finans otomatları (WFFA) adı verilen bu framework, hisse senedi fiyatları, faiz oranları ve döviz kurları gibi değişken ekonomik faktörlerin etkilerini sistematik olarak analiz etmeyi mümkün kılıyor. Araştırmacılar ayrıca, bu karmaşık finansal senaryoları tanımlamak için özel bir programlama dili geliştirdi: ağırlıklı finans düzenli ifadeleri. Bu yenilikçi yaklaşım, finansal araçların performansını ve ticaret stratejilerinin etkinliğini değerlendirmede daha objektif ve sistematik bir yöntem sunuyor.

Araştırmacılar, farklı yapay zeka modellerinin kod yazma konusunda birbirini tamamlayan güçlü yanları olduğunu keşfetti. Tek bir modelin tüm programlama dillerinde ve problem türlerinde üstün olmadığını gözlemleyen bilim insanları, PerfOrch adlı çok modelli orkestrasyon sistemi geliştirdi. Bu sistem, kod üretimini dört aşamaya bölerek farklı görevlerde en uygun modeli seçiyor: problemi kategorilere ayırma, kod üretme, hata ayıklama ve iyileştirme. Her aşama için özel bir hafıza modülü kullanılarak, programlama diline ve problem türüne göre en başarılı model belirleniyor. Bu yaklaşım, tek model kullanımından çok daha kaliteli kod üretimine olanak sağlıyor ve yapay zeka destekli yazılım geliştirmede yeni bir paradigma sunuyor.

Araştırmacılar, büyük dil modellerinin kod yazma yeteneklerini artıran yeni bir yaklaşım geliştirdi. AdaExplore adlı sistem, her deneme sonrasında aldığı geri bildirimlerden öğrenerek kendini geliştiren bir yapay zeka ajanı. Özellikle Triton gibi özel programlama dillerinde performans kritik kod üretimi konusunda başarılı sonuçlar veriyor. Sistem, hatalardan uyum sağlama ve çeşitliliği koruma olmak üzere iki aşamalı bir yaklaşım kullanarak, ek eğitim veya dış bilgi kaynağına ihtiyaç duymadan hem doğruluk hem de optimizasyon performansını artırıyor.

Araştırmacılar, makine öğrenmesi tahminlerini optimizasyon problemleriyle doğrudan birleştiren PyEPO adlı yeni bir Python kütüphanesi geliştirdi. Geleneksel yöntemlerde tahmin ve optimizasyon aşamaları ayrı ayrı yapılırken, bu kütüphane iki süreci tek bir sistemde birleştirerek daha etkili sonuçlar elde etmeyi hedefliyor. Özellikle doğrusal ve tamsayı programlama problemlerinde, bilinmeyen parametrelerin bağlamsal bilgilerden tahmin edilmesi gereken durumlar için tasarlandı. PyTorch tabanlı olan kütüphane, kullanıcı dostu arayüzü ve çeşitli algoritma seçenekleriyle araştırmacılara kapsamlı bir araç sunuyor.

Bilim insanları, istatistik ve veri analizinde kritik rol oynayan ortogonal dizilerin alternatiflerini geliştiriyor. Ortogonal diziler, deneysel tasarım ve veri işlemede ideal matematiksel yapılar olmasına rağmen, gerçek uygulamalarda istenen parametrelerle oluşturulması son derece zor, hatta bazen imkansız. Bu sorunu çözmek için araştırmacılar 'neredeyse ortogonal diziler' adı verilen daha esnek yapıları inceliyor. Yeni çalışma, bu dizileri bulmanın üç farklı yolunu karşılaştırıyor: tam sayı programlama, yerel arama algoritmaları ve cebirsel yöntemler. Sonuçlar, mevcut literatürdeki örneklerle rekabet edebilir düzeyde, hatta bazılarını geçen performans gösteriyor. Bu matematiksel araçlar, mükemmel çözümün bulunmadığı durumlarda pratik alternatifler sunarak, veri analizi ve deneysel tasarımda yeni olanaklar açıyor.

Araştırmacılar, karmaşık nonlineer sistemlerin kontrolü için yeni bir yapay zeka yaklaşımı geliştirdi. Gauss süreci durum uzayı modelleri kullanarak, sistemlerin belirsizlik içinde güvenli hareket edebilmeleri için olasılıksal kontrol kümeleri hesapladılar. Bu yöntem, veri odaklı öğrenme ile bilinmeyen dinamikleri modelleyerek, sistemin güvenli bölgede kalma olasılığını maksimize eden kontrolcüler tasarlıyor. Yarı kesin programlama tekniği kullanılarak geliştirilen sistem, hem simülasyonda hem de gerçek quadrotor drone'unda test edildi. Bu çalışma, otonom araçlardan robotik sistemlere kadar birçok alanda güvenlik kritik uygulamalar için önemli.

Araştırmacılar, büyük veri işleme sistemlerinde yaşanan şema kayması sorunlarına çözüm getiren yenilikçi bir yazılım çerçevesi geliştirdi. Bu sistem, geleneksel yöntemlerin aksine hataları veri işlenmeye başlamadan önce tespit edebiliyor. Scala 3 programlama dili kullanılarak geliştirilen çerçeve, Apache Spark gibi büyük veri platformlarında çalışan veri hatlarının güvenilirliğini artırıyor. Sistem, derleme zamanında veri yapılarının uyumluluğunu kontrol ederek, gerçek veriler işlenmeye başlamadan önce potansiyel sorunları belirliyor. Bu yaklaşım, veri bilimcileri ve mühendisleri için zaman ve kaynak tasarrufu sağlayarak, büyük ölçekli veri projelerinin daha güvenilir hale gelmesine katkıda bulunuyor.

Araştırmacılar, genetik programlama kullanan yapay zeka sistemlerinin neden eğitim verilerinin ötesinde başarılı tahminler yapabildiğini matematiksel olarak açıkladı. Çalışma, sembolik regresyon adı verilen yöntemde AI'ın genelleme yeteneğini iki temel bileşene ayırıyor: yapı seçimi ve sabit optimizasyonu. Bu teorik çerçeve, AI sistemlerinin karmaşık matematiksel ifadeleri nasıl keşfettiğini ve neden bazı durumlarda beklenenden iyi performans sergilediğini anlamamıza yardımcı oluyor. Bulgular, yapay zeka geliştirmede kullanılan pratiklerin bilimsel temellerini güçlendiriyor.

Araştırmacılar, hibrit dinamik sistemlerin kontrolü için yeni gerçek zamanlı algoritmalar geliştirdi. Model tahmine dayalı kontrol (MPC) yöntemi, sürekli ve ayrık davranışları bir arada sergileyen sistemlerde karmaşık optimizasyon problemleri yaratıyor. Yeni çalışma, bu sistemlerin matematiksel tamamlayıcı kısıtlar içeren programlar olarak formüle edilmesini öneriyor. Geleneksel doğrusal olmayan programlama yaklaşımları, hibrit sistem geçişlerinde uygulanamaz hale gelebiliyordu. Bu sorunu çözmek için üç farklı gerçek zamanlı hibrit MPC şeması öneriliyor. Bu algoritmalar, her örneklem için tamamlayıcı kısıtlı karesel programlar çözerek MPC geri besleme yasasının yerel süreksiz parçalı afin yaklaşımlarını üretiyor. Çalışma ayrıca parametrik matematiksel programların süreklilik ve türevlenebilirlik özelliklerini de inceliyor.