Araştırmacılar, büyük dil modellerinin (LLM) bilimsel çalışmalardaki grafiklerle etkileşimini köklü şekilde değiştirecek yeni bir yaklaşım geliştirdi. Geleneksel grafikler statik görsel özetler olarak kalırken, yeni 'LLM-dostu grafikler' konsepti hem insanların anlayabileceği hem de makinelerin işleyebileceği veri odaklı yapılar sunuyor. Bu grafikler, oluşturulma sürecindeki tüm veriyi, analitik işlemleri ve kod bilgilerini içinde barındırıyor. Böylece yapay zeka modelleri, grafikleri sadece piksel olarak değil, arkasındaki veri ve mantığı anlayarak işleyebiliyor. Bu yenilik, bilimsel keşif süreçlerinde insan-yapay zeka iş birliğini daha verimli hale getirme potansiyeli taşıyor.

Fizik ve mühendislikte kritik öneme sahip tensör hesaplamaları, büyük boyutlarda çok fazla işlemci gücü gerektirdiği için pratik uygulamalarda sınırlı kalıyordu. Araştırmacılar, Quantics Tensor Train (QTT) yapılarındaki seyrek blokları kullanan yeni bir adaptif parçalama yöntemi geliştirdi. Bu yöntem, büyük tensörleri daha küçük ve yönetilebilir parçalara bölerek hesaplama maliyetini dramatik şekilde azaltıyor. Özellikle keskin lokalize fonksiyonlarda önemli iyileştirmeler sağlayan teknik, kuantum fiziğinde önemli olan bubble diyagramları ve Bethe-Salpeter denklemlerinin verimli hesaplanmasına olanak tanıyor. Bu gelişme, daha önce hesaplama gücü yetersizliği nedeniyle erişilemez olan büyük ölçekli QTT tabanlı hesaplamaların kapısını açıyor.

Güvenlik kritik sistemlerin erken geliştirme aşamalarında doğal dille yazılan gereksinimler, doğrulama için uygun formal özelliklere dönüştürülmesi zor belgeler oluşturuyor. Araştırmacılar, büyük dil modellerini kullanan yeni bir yaklaşım geliştirerek bu soruna çözüm getirdi. Geliştirilen otonom metodoloji, yapılandırılmamış şartnamelerden doğrulama için hazır özellikler otomatik olarak çıkarabiliyor. Sistem, gereksinim çıkarma, uyumluluk filtreleme ve formal özelliklere çeviri işlemlerini modüler bir yapıda birleştiriyor. Üç farklı senaryoda yapılan deneyler, sistemin %77.8 doğruluk oranıyla hem sözdizimsel hem de anlamsal olarak uyumlu formal özellikler ürettiğini gösteriyor.

Araştırmacılar, CT, PET ve MRI gibi 3D tıbbi görüntülerin kalitesini artırmak için yenilikçi bir yapay zeka modeli geliştirdi. Geleneksel difüzyon modelleri, yüksek çözünürlüklü 3D hacimsel veriler üzerinde çalışırken büyük hesaplama gücü gerektiriyordu. Yeni yaklaşım, anatomik yapıların önceden bilinen özelliklerini kullanarak bu sorunu çözüyor. Seyrek voksel uzayında çalışan model, sadece belirli zaman noktalarında örnekleme yaparak hesaplama yükünü dramatik şekilde azaltıyor. Ayrıca, yerel anatomik içeriğe göre zaman gömme işlemlerini yeniden kalibre eden akıllı bir modül içeriyor. Bu gelişme, tıbbi görüntüleme teknolojisinde hız ve kalite dengesini yeniden tanımlayarak, klinisyenlerin daha hızlı ve doğru tanı koymasını sağlayabilir.

Büyük dil modelleriyle güçlendirilmiş yazılım geliştirme ajanları, endüstride giderek daha fazla kullanılsa da yüksek maliyetleri önemli bir sorun teşkil ediyor. Araştırmacılar, geçmiş deneyimlerden öğrenen EET adlı yeni bir yaklaşım geliştirdi. Bu sistem, yazılım hatalarını düzeltme sürecinde gereksiz işlemleri erken sonlandırarak maliyetleri önemli ölçüde düşürüyor. Üç farklı yazılım geliştirme ajanı üzerinde yapılan testlerde, EET yöntemi toplam maliyetleri %19-55 arasında azaltırken, başarı oranında sadece %0,2'lik ihmal edilebilir bir kayıp yaşandı. Bu verimlilik artışı, sorunların %11'inde erken sonlandırma fırsatları yakalayarak API çağrılarını %21, giriş verilerini %30 ve çıkış verilerini %25 oranında azaltarak elde edildi.

Araştırmacılar, sabit nokta manifoldları boyunca haritalandırma için yeni bir merkez manifold teoremi geliştirdi. Bu matematiksel ilerleme, özellikle iki katmanlı matris faktörizasyon problemlerinde büyük adım boyutlu gradyan iniş yönteminin analizinde önemli uygulamalara sahip. Teorem, sınırlı manifoldlar üzerindeki sabit noktalar boyunca haritalandırma işlemlerini ele alıyor ve makine öğrenmesi algoritmalarının optimizasyon süreçlerinin daha iyi anlaşılmasına katkı sağlıyor. Bu çalışma, diferansiyel geometri ve optimizasyon teorisi arasındaki köprüyü güçlendirerek, yapay zeka uygulamalarında kullanılan algoritmaların matematiksel temellerini sağlamlaştırıyor.

Kuantum bilgisayarlarda karmaşık algoritmaların uygulanmasını kolaylaştıran yeni bir programlama arayüzü geliştirildi. Eclipse Qrisp çerçevesi içinde yer alan BlockEncoding arayüzü, kuantum algoritmalarının temelini oluşturan block-encoding tekniğini geniş bilim camiasının kullanımına sunuyor. Bu yenilik, teorik olarak güçlü ancak pratikte uygulanması zor olan kuantum işlemlerini daha erişilebilir hale getiriyor. Kuantum Tekil Değer Dönüşümü ve Kuantum Sinyal İşleme gibi ileri kuantum protokolleri için kritik öneme sahip olan bu teknik, artık programlayıcılar tarafından daha kolay kullanılabilecek. Araştırmacılar, arayüzün hem teknik çerçeve tanıtımı hem de uygulamalı rehber niteliği taşıdığını belirtiyor. Geliştirme, kuantum programlamanın demokratikleştirilmesi yönünde önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, büyük dil modellerinin çok adımlı işlemlerinde nasıl hata yaptığını anlamak için yeni bir değerlendirme yöntemi geliştirdi. ChatGPT gibi modeller karmaşık görevlerde birden fazla adımda çalışırken bazen doğru cevapları bozabiliyor, bazen de yanlış cevapları düzeltebiliyor. Yeni yaklaşım, bu süreçleri 'düzeltme' ve 'bozma' olmak üzere iki ayrı oranla ölçerek, modellerin hangi durumlarda yardımcı olup hangilerinde zarar verdiğini net şekilde gösteriyor. Bu analiz, yapay zeka sistemlerinin güvenilirliğini artırmak ve hangi koşullarda beklenmedik davranışlar sergilediklerini anlamak açısından kritik öneme sahip.

Araştırmacılar, metinlerdeki özel isimleri tanımlayıp bunları ilgili görsellerde konumlandırabilen yeni bir yapay zeka sistemi geliştirdi. E2E-GMNER adlı bu sistem, bir metinde geçen kişi, yer veya kuruluş isimlerini sadece tanımlamakla kalmıyor, aynı zamanda bu varlıkları eşlik eden görsellerde de işaretleyebiliyor. Geleneksel yöntemler bu işlemleri ayrı aşamalarda gerçekleştirirken, yeni sistem tüm süreci tek seferde tamamlıyor. Bu yaklaşım, hata birikimini önleyerek daha doğru sonuçlar üretiyor. Sistem, zincirleme düşünce yöntemiyle çalışarak ne zaman görsel kanıtlara, ne zaman arka plan bilgisine güveneceğini akıllıca belirliyor. Bu gelişme, içerik analizi, sosyal medya izleme ve otomatik etiketleme gibi alanlarda önemli uygulamalara sahip.

Araştırmacılar, görsel-dil yapay zeka modellerinin hesaplama maliyetini azaltmak için yenilikçi bir yöntem geliştirdi. QUOTA adlı bu sistem, modellerin hem veri boyutunu küçültme hem de gereksiz bilgileri eleme işlemlerini birlikte optimize ediyor. Günümüzde görsel içerikleri anlayıp metin üretebilen AI modelleri, yüksek hesaplama gücü gerektirdiği için pratik kullanımda zorluklar yaşanıyor. Yeni yaklaşım, bu modellerin daha az kaynak tüketmesini sağlarken performanslarını koruyor. Geliştirilen framework, özellikle mobil cihazlar ve sınırlı donanıma sahip sistemlerde AI uygulamalarının yaygınlaşmasına katkı sağlayabilir.

Araştırmacılar, artan bilimsel literatürü düzenlemek için farklı yapay zeka yaklaşımlarını karşılaştırdı. Çalışmada, bilimsel makaleleri gruplandırma ve sınıflandırma işlemlerinde özet metinleri, yapılandırılmış bilgi üçlüleri ve hibrit yaklaşımlar test edildi. Dört farklı transformer modeli kullanılarak yapılan deneylerde, sade özet metinlerinin en başarılı sonucu verdiği ortaya çıktı. Bu bulgu, karmaşık bilgi yapılarının her zaman daha iyi performans sağlamadığını gösteriyor. Araştırma, bilim insanlarının literatür tarama ve sınıflandırma süreçlerini iyileştirmek için önemli ipuçları sunuyor.