Araştırmacılar, difüzyon modellerinin 'grokking' adı verilen ilginç bir öğrenme davranışı sergilediğini keşfetti. Bu fenomende model önce ezbercilik yapar, sonra gerçek anlayışa ulaşır. Modüler toplama problemleri üzerinde yapılan deneyler, bu AI sistemlerinin nasıl öğrendiğini mekanik düzeyde açıklıyor. Tek görüntü rejiminde model, sayıları periyodik temsiller halinde kodlayarak işlem yaparken, çeşitli görüntülerle çalışırken aritmetik hesaplama ve görsel düzeltme olmak üzere iki aşamalı bir strateji benimsiyor. Bu bulgular, yapay zekanın öğrenme süreçlerini daha iyi anlamamızı sağlıyor.

Matematik alanında önemli bir gelişme yaşandı. Araştırmacılar, kristal Galois temsilleri uzayları için yeni bir kısmi çözümleme yöntemi geliştirdi. Bu yöntem, Hodge-Tate ağırlıklarındaki boşlukların p sayısından küçük olduğu durumlarda çalışıyor ve dallanma üzerinde herhangi bir sınır getirmiyor. Özellikle üç boyutlu minimal düzenli ağırlık durumunda, çözümlemenin normal olduğunu kanıtladılar. Bu buluş, otomorfi yükseltme teorisi, Serre varsayımının ağırlık kısmı ve üç boyutta Breuil-Mézard varsayımı gibi modern matematiğin temel problemlerine yeni çözümler sunuyor. Galois teorisi ve modüler formlar arasındaki derin bağlantıları anlamamızı geliştiren bu çalışma, sayı teorisinin en karmaşık sorularından bazılarına ışık tutuyor.

Stanford araştırmacıları, büyük dil modellerinin öneri sistemlerinde kullanımında beklenmedik bir fenomen keşfetti. Araştırma, bu modellerin orta katmanlarından elde edilen temsillerin, son katmanlara kıyasla öneri görevlerinde daha iyi performans sergilediğini ortaya koyuyor. Bu 'Orta Katman Üstünlüğü' olarak adlandırılan durum, mevcut sıkıştırma yöntemlerinin yeniden gözden geçirilmesini gerektiriyor. Bilim insanları bu durumu modülerlik teorisiyle açıklıyor: dil modelleri kendiliğinden içsel işlevsel modülerlik geliştiriyor ve son katmanı belirli görevlerde uzmanlaşmaya zorluyor. Bu keşif, endüstriyel öneri sistemlerinde yapay zeka kullanımının optimize edilmesi açısından kritik önem taşıyor.

Araştırmacılar, az sayıda etiketli veri ile çalışan yapay zeka sistemlerinin beyin tümörü teşhisindeki başarısını artırmak için kaos teorisinden ilham alan yenilikçi bir yöntem geliştirdi. Geleneksel prototipal ağlar, beyin tümörü görüntülerindeki morfolojik gürültü ve sınıf içi varyanslar nedeniyle 'prototip kararsızlığı' sorunu yaşıyordu. Yeni geliştirilen Kaos-Geliştirilmiş ProtoNet sistemi, logistik kaos haritasının deterministik ergodiklik özelliğini kullanarak kontrollü bozulmalar enjekte ediyor. Bu yaklaşım, modelin gürültüye karşı dayanıklı temsiller öğrenmesini sağlayarak, sınırlı veri ile daha güvenilir teşhis yapabilmesini mümkün kılıyor.

Yapay zeka sistemlerinin metinleri anlama yetisi, farklı alanlara uyarlanırken ciddi sorunlarla karşılaşıyor. Araştırmacılar, mevcut eğitim yöntemlerinin istenmeyen yan etkiler yaratarak sistemlerin performansını düşürdüğünü keşfetti. Bu sorunu çözmek için geliştirilen REZE adlı yeni framework, yapay zeka sistemlerinin öğrenme sürecinde metin temsillerinin nasıl değiştiğini kontrol altına alıyor. Yöntem, farklı görevlerin yarattığı gürültüyü bastırırken önemli anlamsal yapıyı koruyarak, sistemlerin daha tutarlı ve güvenilir performans sergilemesini sağlıyor. Bu gelişme, doğal dil işleme alanında önemli bir adım olarak değerlendiriliyor.

Amerikan matematikçiler, p-adik alanlar üzerindeki simetrik uzaylarda ortaya çıkan temsillerin çokluk değerleri için uniform sınırlar belirlemeyi başardı. Bu çalışma, grup teorisi ve temsil teorisinin kesişiminde yer alan karmaşık bir problemi ele alıyor. p-adik alanlar, sayılar teorisinde önemli rol oynayan matematiksel yapılardır ve bu alanlar üzerindeki simetrik uzaylar, geometri ve cebirin birleştiği kritik araştırma konularından biri. Araştırmacılar, bu çokluk değerlerinin hesaplanmasının genellikle oldukça zor olduğunu belirterek, sadece grubun yapısal değişmezlerine bağlı sınırlar arayışının önemini vurguluyor. Yeni bulunan uniform sınırlar, sadece grubun rankına ve artık karakteristiğine bağlı olarak belirlenebiliyor. Bu sonuç, temsil teorisi alanında önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, karışık sinyalleri kaynaklarına ayırmak için StrEBM adlı yenilikçi bir yapay zeka modeli geliştirdi. Bu model, geleneksel yaklaşımların aksine her gizli boyuta kendi öğrenilebilir yapısal önyargılarını atayarak, daha tanımlanabilir ve ayrışmış temsiller oluşturmayı hedefliyor. Kör kaynak ayrıştırma problemi üzerinden test edilen sistem, farklı gizli bileşenlerin eğitim sırasında nasıl farklı kaynak benzeri rollere evrildiğini doğrudan inceleme imkanı sunuyor. Bu gelişme, ses işleme, görüntü analizi ve sinyal işleme gibi alanlarda önemli uygulamalara sahip olabilir.

Matematik araştırmacıları, kare şeklindeki ağ yapılarında bulunan temel döngülerin ortalama uzunluğu hakkında önemli bir teorik sonuç elde ettiler. n×n boyutundaki kare ağlarda, herhangi bir sabit yayılan ağaca göre temel döngülerin ortalama uzunluğunun en az logaritmik büyüklükte olduğunu matematiksel olarak kanıtladılar. Bu bulgu, McCarty tarafından ikili matroidlerin seyrek temsilleri konusunda daha önce sorulmuş bir soruyu olumlu yanıtlıyor. Araştırma, grafik teorisi ve kombinatoryal optimizasyon alanlarında teorik öneme sahip olmanın yanı sıra, ağ tasarımı ve veri yapıları gibi uygulamalı alanlarda da etkili olabilecek sonuçlar sunuyor. Bulunan sınırın asimptotik olarak sıkı olması, sonucun optimal olduğunu gösteriyor.

Fizikçiler, kristallerdeki boşluk ve yabancı atom gibi sıradan kusurların, aslında elektronların topolojik özelliklerini keşfetmek için güçlü araçlar olabileceğini gösterdi. Geometrik olarak önemsiz görünen bu kusurlar, malzemelerin elektronik bantlarındaki karmaşık topolojik yapıları ortaya çıkarabiliyor. Araştırma, topolojik ve normal yalıtkanlarda bu kusurların nasıl özel elektronik durumlar yarattığını teorik olarak inceledi. Bu bulgu, gelecekte topolojik malzemelerin özelliklerini anlamak ve karakterize etmek için yeni yollar açabilir.

Araştırmacılar, yapay zeka ajanlarının 'yakın', 'uzak' gibi ilişkisel kavramları çevresiyle etkileşim kurarak otomatik olarak öğrenmesini sağlayan yeni bir sistem geliştirdi. GRAIL adlı bu framework, büyük dil modellerini zayıf gözetim olarak kullanarak genel kavram temsillerini oluşturuyor, ardından bunları çevreye özgü semantiklerle uyarıyor. Geleneksel yaklaşımlarda uzmanların elle tanımlaması gereken bu kavramlar, artık ajanlar tarafından deneyim yoluyla keşfedilebiliyor. Bu gelişme, yorumlanabilir ve genelleştirilebilir politikalar oluşturan nöro-sembolik pekiştirmeli öğrenme alanında önemli bir adım. Sistem, seyrek ödül sinyalleri ve kavram uyumsuzluğu gibi temel sorunları çözmeyi hedefliyor.

Bilim insanları, azot gazını elmas örs hücresinde megabar seviyesindeki ekstrem basınçlara maruz bırakarak iki yeni moleküler faz keşfetti. Bu keşif, maddenin aşırı koşullardaki davranışını anlamamıza önemli katkı sağlıyor. Araştırmacılar, azotu 78-98 GPa basınç altında 1800-2500 Kelvin sıcaklığa kadar ısıtarak tζ-N₂ ve ξ-N₂ adlı yeni fazları elde etti. Bu basınç seviyeleri, Dünya'nın merkezindeki basıncın yaklaşık yüzde biri kadar. Keşfedilen fazlar, azotun polimerik geçiş bölgesindeki karmaşık yapısal çeşitliliğini gösteriyor. Bu çalışma, yalnızca temel bilim açısından değil, aynı zamanda gezegen içyapılarını ve yüksek basınç teknolojilerini anlama açısından da kritik öneme sahip.