Araştırmacılar, elektronik sağlık kayıtlarından öğrenen RAVEN adlı yeni bir yapay zeka sistemi geliştirdi. Bir milyondan fazla hastanın verisiyle eğitilen sistem, hastaların geçmiş tıbbi geçmişlerine bakarak gelecekteki hasta ziyaretlerinde yaşanabilecek tıbbi olayları tahmin edebiliyor. Sistem, tekrarlayan tıbbi olayları ayırt edebilme konusunda özel bir düzenleme kullanıyor ve sağlık alanındaki yapay zeka değerlendirmelerinde önemli bir soruna dikkat çekiyor. Araştırma, sadece model boyutunu artırmanın yeterli olmadığını, veri miktarının da paralel şekilde artırılması gerektiğini ortaya koyuyor.

Araştırmacılar, ses komutlarıyla kontrol edilen dijital avatarları gerçek zamanlı olarak oluşturabilen Live Avatar teknolojisini geliştirdi. 14 milyar parametreye sahip yapay zeka modeli, saniyede 45 kare hızında çalışarak saatlerce kesintisiz avatar etkileşimi sağlayabiliyor. Teknoloji, mevcut difüzyon modellerinin sıralı işlem yapma zorunluluğunu aşarak, her GPU'ya farklı zaman adımları atayan yenilikçi bir paralel işleme yaklaşımı kullanıyor. Bu gelişme, video konferans, oyun, eğitim ve sosyal medya platformları için devrim niteliğinde uygulamalar sunuyor. Sistem, 10.000 saniyeyi aşan sürelerde bile görsel kalite kaybı yaşamadan çalışabiliyor ve kimlik kayması sorununu çözmüş durumda.

Matematikte uzun zamandır çözülemeyen bir problem nihayet yanıtını buldu. Araştırmacılar, sol-değişmez düz Lorentzian metriğe sahip Lie gruplarının tam yapısını ortaya çıkardı. Bu çalışma, Einstein'ın görelilik teorisinde de kullanılan özel geometrik yapıların matematiksel temellerini aydınlatıyor. Çalışmaya göre, bu tür gruplar ya paralel zaman-benzeri vektör alanına sahip olmalı ya da Kundt tipinde olmalıdır. Araştırma, üç ve dört boyutlu durumlar için tam sınıflandırma sunarak, hem saf matematik hem de teorik fizik açısından önemli sonuçlar ortaya koyuyor.

Araştırmacılar, beyin dalgalarını ölçen EEG sinyallerini daha etkili şekilde yorumlayabilen DSAINet adlı yeni bir yapay zeka modeli geliştirdi. Mevcut EEG çözümleme sistemlerinin en büyük sorunu, farklı görevlerde ve kişilerde tutarlı performans gösterememesiydi. Her görev için özel olarak tasarlanan modeller, başka durumlarda yetersiz kalıyordu. DSAINet bu sorunu, beyin sinyallerindeki zamansal değişimleri iki farklı ölçekte (ince ve kaba) paralel olarak analiz ederek çözüyor. Model, ham EEG verilerini ortak uzamsal-zamansal temsillere dönüştürüyor ve farklı görevlerdeki çeşitli zamansal dinamikleri aynı anda modelleyebiliyor. Bu yaklaşım, beyin-bilgisayar arayüzleri, nörolojik hastalık teşhisi ve bilişsel durumların izlenmesi gibi alanlarda daha güvenilir ve geniş kapsamlı uygulamalar geliştirme potansiyeli sunuyor.

Araştırmacılar, seyrek tensör cebirinde paralel işlem yükünü dengeli dağıtan ilk algoritmayı geliştirdiler. Seyrek tensörler, çoğunlukla sıfır değerli elemanlardan oluşan çok boyutlu veri yapıları olup, makine öğrenmesi ve bilimsel hesaplamalarda kritik öneme sahip. Ancak bu yapıların düzensiz ve veri-bağımlı doğası, paralel işlem birimlerine eşit iş yükü dağıtımını zorlaştırıyor. Yeni algoritma, mevcut paralel birleştirme yöntemlerini genelleştirerek çok operandlı ve çok boyutlu hiyerarşik seyrek veri yapılarıyla çalışabiliyor. Araştırmacılar algoritmayı mevcut bir derleme çerçevesine entegre ederek, çok çekirdekli CPU'lar ve GPU'lar için otomatik paralel kod üretimi sağladılar. Test sonuçları, üretilen kodun Intel MKL ve NVIDIA cuSPARSE gibi endüstri standardı kütüphanelerle rekabet edebilir performans gösterdiğini ortaya koyuyor. Bu gelişme, büyük veri işleme ve yapay zeka uygulamalarında önemli performans artışları sağlayabilir.

Araştırmacılar, kuantum bilgisayarların en büyük sorunlarından biri olan hata düzeltme işlemini devrimsel bir şekilde hızlandıran GreenPeas adlı yeni bir sistem geliştirdi. Kuantum bilgisayarlar, çevresel etkilerden dolayı sürekli hata yapma eğiliminde olduğundan, bu hataları gerçek zamanlı olarak tespit edip düzeltmek kritik önem taşıyor. Geleneksel yöntemler, tüm olası hata senaryolarını önceden hesaplayarak büyük miktarda bellek kullanıyordu. GreenPeas ise bu hesaplamaları ihtiyaç anında yaparak hem bellek kullanımını azaltıyor hem de işlem hızını artırıyor. Sistem, özellikle adaptif kuantum devreler için tasarlandı - bunlar çalışma sırasında ölçüm sonuçlarına göre yapılarını değiştirebilen gelişmiş kuantum devrelerdir. C++ ve CUDA teknolojileri kullanılarak geliştirilen sistem, GPU'ların paralel işlem gücünden yararlanarak binlerce işlemi eş zamanlı gerçekleştiriyor. Bu gelişme, pratik kuantum bilgisayarların gerçekleştirilmesinde önemli bir adım olarak görülüyor.

Araştırmacılar, büyük dil modellerinin sayısal işlemlerdeki zayıflığını gidermek için yeni bir tokenizasyon yöntemi geliştirdi. Triadic Suffix Tokenization (TST) adı verilen bu sistem, sayıları üçlü gruplara bölerek her gruba açık büyüklük işaretleyicileri ekliyor. Geleneksel yöntemler sayıları tutarsız parçalara böldüğü için modeller pozisyonel yapıyı kaybediyor ve aritmetik hatalar yapıyordu. Yeni sistem binler, milyonlar gibi tam sayı büyüklükleri ile ondalık derinlikleri için paralel işaretleyici kullanıyor. Bu deterministik yaklaşım, pozisyonel çıkarıma dayalı mevcut yöntemlerin aksine tutarlı gradyan sinyali sağlayarak kararlı öğrenme garantiliyor. İki uygulama varyantı sunuluyor: mevcut kelime dağarcığına en fazla 10.000 sabit token ekleyen sözlük tabanlı yaklaşım ve daha esnek alternatif.

Araştırmacılar, robotik sistemlerde kullanılan aktüatörlerin esneklik davranışını gerçek zamanlı olarak değiştirebilen yenilikçi bir tasarım geliştirdi. DTEA (Çift Topolojili Elastik Aktüatör) adı verilen bu sistem, seri ve paralel elastik aktüatör modları arasında 33 milisaniyeden daha kısa sürede geçiş yapabiliyor. Bu teknoloji, robotların farklı görevler için optimize edilmiş hareket kabiliyetleri sergilemesini sağlayarak, tek bir robot sisteminin hem hassas pozisyonlama hem de darbelere karşı dayanıklılık gerektiren işleri yapabilmesine olanak tanıyor. Prototip testlerde 324 mod değişikliğini hasar almadan gerçekleştirerek sistemin güvenilirliğini kanıtladı.

Araştırmacılar, veri kümeleme işlemlerinde belirsizlik hesaplaması için yeni bir matematiksel çerçeve geliştirdi. Bu yöntem, geleneksel model tabanlı yaklaşımların aksine, kümeleri veri yoğunluğunun doğrudan fonksiyonları olarak ele alıyor ve belirli parametrik formlar varsaymıyor. Martingale posterior dağılımları ve yoğunluk tabanlı kümeleme tekniklerini birleştiren sistem, normalizing flows gibi gelişmiş yoğunluk tahminleyicilerini kullanabiliyor. Bu da büyük ölçekli veri setlerinde verimli çalışmasını ve modern GPU donanımında paralel işlem yapabilmesini sağlıyor. Yöntem, kümeleme yapısının belirsizlik düzeyini daha doğru hesaplayarak, yapay zeka uygulamalarında daha güvenilir sonuçlar elde etmeyi mümkün kılıyor.

Araştırmacılar, farklı donanım özelliklerine sahip robotların daha etkili bir şekilde işbirliği yapabilmesi için NeuroMesh adlı yeni bir yapay zeka çerçevesi geliştirdi. Bu sistem, hava ve kara robotlarının aynı görevde koordineli çalışmasını sağlayan birleşik bir altyapı sunuyor. NeuroMesh, robotlar arası iletişimi standartlaştırarak ve paralel işlem mimarisi kullanarak, farklı robot türlerinin gerçek zamanlı olarak bilgi paylaşmasını ve ortak kararlar almasını mümkün kılıyor. Sistem, GPU ve CPU'yu hibrit olarak kullanarak yüksek performans elde ediyor ve çeşitli görev türlerinde başarılı sonuçlar veriyor.

Araştırmacılar, kuantum bilgisayarlarda veri analizi için kullanılan Hadamard testinin yeni bir varyantını geliştirdi. Geleneksel yöntemde karşılaşılan yüksek hesaplama maliyeti sorununu çözmek amacıyla tasarlanan bu açı-kodlama yaklaşımı, normalize edilmiş vektörler arasındaki kosinüs benzerliğini tahmin edebiliyor. Yöntem, karmaşık hesaplamaları daha basit iki-kübit devrelerine bölerek paralel işlem imkanı sunuyor ve böylece sabit devre derinliği elde ediyor. Bu gelişme, kuantum veri işleme uygulamalarında önemli bir adım olarak değerlendiriliyor.