Araştırmacılar, fotoğraflardaki karmaşık aydınlatma problemlerini çözebilen yeni bir yapay zeka sistemi geliştirdi. UniBlendNet adlı bu sistem, görüntülerdeki düzensiz ışık dağılımını normalize ederek daha kaliteli sonuçlar üretiyor. Mevcut yöntemlerin aksine, hem global hem de yerel ışık özelliklerini aynı anda analiz edebilen bu teknoloji, özellikle zorlu aydınlatma koşullarında çekilmiş görüntüleri iyileştirmede başarılı oluyor. Sistem, çok ölçekli yapıları ve bölgesel uyarlanabilir iyileştirmeyi birleştiren birleşik bir yaklaşım benimsiyor. Bu gelişme, fotoğrafçılık, güvenlik kameraları ve medikal görüntüleme gibi alanlarda önemli uygulamalara sahip olabilir.

Araştırmacılar, sera işletmelerinin ticari sırlarını paylaşmadan birbirlerinden öğrenebileceği yeni bir yapay zeka sistemi geliştirdi. HierFedCEA adlı bu sistem, kontrollü tarım tesislerinin iklim verilerini gizli tutarken HVAC enerji tüketimini %30-38 oranında azaltabiliyor. Sistem, fizik yasalarından tesise özgü ekipman dinamiklerine kadar üç farklı seviyede öğrenme gerçekleştiriyor. Bu yaklaşım, yeni sera tesislerinin devreye alma süresini aylardan günlere indirgerken, işletmecilerin değerli tarım reçetelerinin gizliliğini de koruyor. Federe öğrenme ve diferansiyel gizlilik tekniklerini kullanan sistem, farklı tipteki seraların ortak bilgi havuzundan faydalanmasını sağlıyor.

Araştırmacılar, eşten-eşe enerji yönetim sistemlerindeki kritik bir sorunu çözen yenilikçi bir algoritma geliştirdi. Geleneksel enerji paylaşım sistemleri, tüm kullanıcıların aynı anda senkronize olmasını gerektiriyor ve bu durum sistemin verimliliğini önemli ölçüde sınırlıyor. Yeni geliştirilen asenkron algoritma, prosumer'ların (hem üretici hem tüketici) birbirinden bağımsız zamanlarda enerji alışverişi yapmasına olanak tanıyor. Bu yaklaşım, yenilenebilir enerji kaynaklarının yerel kapasitesini artırırken, enerji maliyetlerini azaltıyor ve veri gizliliğini koruyor. Operatör ayırma teorisine dayanan çözüm, merkezi bir saat sistemine ihtiyaç duymadan rastgele aktivasyon mekanizması kullanıyor.

Yapay zeka alanında yeni nesil büyük dil modelleri olan difüzyon dil modellerinin (DLM) beklenmedik bir sorunu keşfedildi. Araştırmacılar, bu modellerin aynı soruya farklı zamanlarda verdikleri yanıtların tutarsız olabildiğini, ancak geleneksel değerlendirme yöntemlerinin bu kararsızlığı maskelediğini ortaya koydu. Mevcut test sistemleri, binlerce örneğin ortalamasına bakarak modelin genel performansını ölçüyor, böylece bireysel örneklerdeki büyük farklılıklar gözden kaçıyor. Bu durum, aynı genel performansa sahip iki model konfigürasyonunun, tekil sorularda tamamen farklı davranabilmesi anlamına geliyor. Araştırma ekibi, her bir örneği ayrı ayrı inceleyerek modellerin ne kadar tutarsız olduğunu daha detaylı ölçen yeni bir değerlendirme sistemi geliştirdi.

Büyük dil modellerinin kritik yazılım sistemlerinde yaygın kullanımı, halüsinasyon ve sahte doğruluk tespitini önemli bir mühendislik sorunu haline getirdi. Araştırmacılar, mevcut güvenilirlik sistemlerinin yüksek gecikme ve hesaplama yükü getirdiği sorununa çözüm olarak 'Bilişsel Devre Kesici' adlı yeni bir framework geliştirdi. Bu sistem, modelin ileri geçiş sırasında gizli durumları analiz ederek, dışa yansıyan güvenle iç tutarlılık arasındaki 'Bilişsel Uyumsuzluk Delta'sını hesaplıyor. Böylece yapay zekanın güvenilirliği, dış kontrol mekanizmalarına ihtiyaç duymadan ve minimal gecikmeyle izlenebiliyor. Geleneksel yöntemler genellikle üretim sonrası kontrollere dayanırken, bu yaklaşım gerçek zamanlı ve içsel bir güvenilirlik monitoring sağlıyor.

Araştırmacılar, insan sürücüler ve otonom araçların birlikte bulunduğu karma trafik ortamları için yenilikçi bir yönetim sistemi geliştirdi. Bu hiyerarşik framework, akıllı araçları en verimli rotalarla yönlendirirken, aynı zamanda trafik ışıklarının zamanlamasını da optimize ediyor. Sistem iki katmanda çalışıyor: üst katman şehir genelindeki trafik verilerini analiz ederek bağlantılı ve otonom araçlar için proaktif rota önerileri sunuyor, alt katman ise kavşaklarda yerel araç durumlarını kullanarak hem trafik ışığı fazlarını hem de bireysel araç yörüngelerini eş zamanlı optimize ediyor. Bu yaklaşım, toplam seyahat süresini azaltırken enerji tüketimini de minimize etmeyi hedefliyor. Sioux Falls test ağında yapılan simülasyonlar, sistemin etkinliğini doğruluyor.

Güney Koreli araştırmacılar, yapay zeka modellerinin Korece dilinde ve kültürel bağlamda ne kadar başarılı olduğunu ölçmek için KMMMU adlı yeni bir test sistemi geliştirdi. 3.466 sorudan oluşan bu kapsamlı değerlendirme, matematik, fen bilimleri ve sosyal bilimler gibi dokuz farklı alandaki görselli soruları içeriyor. Test sonuçları oldukça düşündürücü: en güçlü açık kaynak yapay zeka modeli bile sadece %42 başarı gösterirken, ticari modellerin en iyisi zor sorularda %52'ye ulaşabildi. Özellikle Kore kültürüne özgü sorularda performans %13'e varan düşüşler gösterdi. Bu çalışma, yapay zeka modellerinin küresel ölçekte geliştirilmesine rağmen yerel kültür ve dil özelliklerinde hala ciddi eksiklikleri olduğunu ortaya koyuyor.

Araştırmacılar, kuantum gizli iletişim sistemlerini gerçek dünya koşullarında çalışacak şekilde geliştirdi. Geleneksel kuantum iletişim sistemleri, kanal parametrelerinin mükemmel bilindiğini varsayar, ancak gerçekte uydu, fiber optik ve serbest alan bağlantılarında bu parametreler çevresel dalgalanmalar nedeniyle sürekli değişir. Yeni çalışma, hem iletim verimliliğinde hem de termal gürültüde belirsizlik bulunan bileşik kuantum optik kanallar üzerinde gizli iletişim sağlayabilen sağlam bir çerçeve sunuyor. En önemli bulgu, sadece en kötü durum parametrelerini kullanmanın yeterli olmadığı - gizliliği ve güvenilirliği en çok tehdit eden kanal durumlarının farklı belirsizlik noktalarında ortaya çıktığıdır. Bu gelişme, kuantum iletişim teknolojisinin pratik uygulamalara geçişinde kritik bir adım.

Araştırmacılar, kablosuz ağlarda hem güvenilir bağlantı kurma hem de düşmanlardan gizlenme konusunda yeni bir yaklaşım geliştirdi. Gizli kablosuz iletişim sistemlerinde belirsizlik faktörü ikili rol oynuyor: bir yandan sinyalleri maskeleyerek gizliliği artırıyor, diğer yandan sistem tasarımını zorlaştırıyor. Bu çalışma, sınırlı belirsizlik koşullarında güvenilirlik ve gizliliğin aynı olumsuz durumlardan etkilenip etkilenmediği sorusuna odaklanıyor. Eğer farklı koşullardan etkileniyorlarsa, tek bir en kötü durum senaryosuna dayalı tasarım yeterli olmayacak. Araştırmada quasi-statik solma modeli kullanılarak, alıcının kesinti tabanlı güvenilirlik analizi ve dinleyicinin radyometrik algılama yetenekleri inceleniyor. Bu çalışma, gelecekteki güvenli haberleşme sistemlerinin tasarımında önemli rehberlik sağlayabilir.

Araştırmacılar, kablosuz ağlardaki spektrum yönetimi sorununu büyük dil modelleri (LLM) kullanarak çözmeye yönelik yeni bir yaklaşım geliştirdi. Geleneksel optimizasyon yöntemlerinin büyük ölçekli ağlarda yetersiz kaldığı durumlarda, LLM tabanlı sistem başarıyla spektrum erişimini optimize ediyor. Sistem, hiyerarşik durum serileştirme mekanizması sayesinde küresel çevre istatistikleri ile yerel kısıtları harmanlayarak, LLM'nin sınırlı bağlam penceresi içinde yüksek boyutlu akıl yürütme yapmasını sağlıyor. Araştırma, kod tabanlı paradigmanın soğuk başlatma darboğazını ortadan kaldırdığını ve doğrudan yürütme geri bildirimi ile üstün ölçekleme yasalarına ulaştığını gösteriyor.

Araştırmacılar, modern şifreleme sistemlerindeki gizli zayıflıkları tespit etmek için yapay zeka destekli yeni bir yöntem geliştirdi. Neural Stringology Cryptanalysis adı verilen bu yaklaşım, geleneksel güvenlik testlerinin gözden kaçırabileceği yapısal anormallikleri makine öğrenmesi ile ortaya çıkarıyor. Özellikle ChaCha20 gibi yaygın kullanılan akım şifrelerini hedef alan sistem, metin analizi tekniklerini sinir ağlarıyla birleştiriyor. Bu yöntem, şifreleme algoritmalarının ürettiği anahtar dizilerindeki gizli kalıpları analiz ederek, daha önce fark edilmeyen güvenlik açıklarını tespit edebiliyor. Çalışma, siber güvenlik alanında yeni bir paradigma sunarak, şifreleme sistemlerinin dayanıklılığını değerlendirmek için daha sofistike araçların gerekliliğini vurguluyor.