MIT ve Stanford araştırmacıları, makine öğrenmesinde yaygın kullanılan ensemble yöntemlerinin zaman serisi verileri gibi birbirine bağımlı veri kümelerinde neden beklenenden daha düşük performans gösterdiğini matematiksel olarak açıkladı. Çoğunluk oylama sistemleri normalde bağımsız modelleri birleştirerek daha iyi sonuçlar verir, ancak Markov bağımlılığı olan verilerde bu avantaj azalır. Çalışma, bu sorunu teorik olarak tanımlarken aynı zamanda grafik düzenli veri yapılarında optimal performans gösteren uyarlanabilir bir algoritma da geliştirdi. Bulgular, finansal tahminler, pekiştirmeli öğrenme ve uzaysal veri analizinde ensemble modellerinin daha etkili kullanımı için yol gösterici nitelikte.

Araştırmacılar, yapay zeka modellerinin matematik problemlerini çözerken yaşadığı 'grokking' fenomeninin nedenini keşfetti. Transformer modellerin eğitim verilerini öğrendikten sonra genelleme yapabilmesi arasında geçen uzun sürenin, bilgiyi işleyen encoder bölümünün öğrendiği yapıyı decoder bölümüne aktaramamasından kaynaklandığı ortaya çıktı. MIT araştırmacıları Collatz tahmin problemini kullanarak yaptıkları deneylerde, encoder'ın sayısal yapıları binlerce adımda öğrendiğini ancak çıktı doğruluğunun on binlerce adım boyunca şans seviyesinde kaldığını gözlemledi. Bu bulgular, AI modellerinin öğrenme süreçlerinin daha iyi anlaşılması ve optimize edilmesi açısından kritik önem taşıyor.

Araştırmacılar, fırçalanmış metal yüzeyler ve fiber yapılar gibi mikro geometrilere sahip malzemelerin 3D görselleştirilmesi için yeni bir yöntem geliştirdi. Bu malzemeler, altında yatan küçük yapılarının şekli ve düzenlenişi nedeniyle ışığı farklı yönlerde dağıtır ve yüksek çözünürlük gerektirir. Geleneksel voksel verisi elde etme süreci zaman alıcı ve bellek yoğun olup, çoğu görüntüleme yaklaşımı piksel başına hesaplama sayısını azaltmak için ek Detay Seviyesi (LoD) veri yapıları gerektirir. Yeni araştırma, birden fazla çözünürlük seviyesinde hızlı veri toplama için tasarlanmış verimli paralel vokselleştirme yöntemi ve daha iyi doğruluk sağlayan hiyerarşik SGGX kümeleme tabanlı yeni bir temsil sunuyor. CUDA tabanlı bu yaklaşım, mikro geometri görüntüleme alanında önemli bir ilerleme kaydediyor.

Araştırmacılar, tüp bebek tedavilerinde embriyo kalitesini otomatik olarak değerlendiren yeni bir yapay zeka sistemi geliştirdi. Mevcut yöntemler embriyologların görsel değerlendirmelerine dayanıyor ve bu durum subjektiflik ile uzmanlar arası farklılıklara yol açıyor. Yeni sistem, 5. gün insan embriyolarının görüntülerini analiz ederek kritik embriyo bileşenlerini otomatik olarak tanımlıyor ve derecelendiriyor. Multitask embedding yaklaşımı kullanan bu teknoloji, sınırlı veri setinden bile etkili öğrenme gerçekleştirebiliyor. Sistem özellikle trofektoderm, iç hücre kütlesi ve blastosist genişlemesi gibi görsel olarak benzer ve ayırt edilmesi zor yapıları başarıyla tanımlayabiliyor. Bu gelişme, tüp bebek tedavilerinin başarı oranını artırabilir ve standardizasyon sorunlarını çözebilir.

Bilim insanları, elektromanyetik dalgaların nesnelerle etkileşimini analiz eden ters saçılma problemlerini çözmek için yenilikçi bir hibrit yöntem geliştirdi. ULR adı verilen bu yaklaşım, dönme-eşdeğişkenliği destekleyen sinir ağları ile düşük-rank yapıları birleştiriyor. Bu teknoloji, radar sistemlerinden tıbbi görüntülemeye kadar birçok alanda kullanılan ters saçılma analizlerinde daha hassas sonuçlar elde etmeyi mümkün kılıyor. Geleneksel Born yaklaşımının sınırlarını aşan yöntem, özellikle yüksek frekanslı gürültüyü filtreleyen düşük-rank yapısı sayesinde daha kararlı çözümler sunuyor. Araştırmacılar ayrıca tamamen sinir ağı tabanlı alternatif bir yaklaşım da geliştirerek farklı senaryolar için optimum çözümler sunuyor.

Stanford araştırmacıları, yeraltı rezervuarlarının özelliklerini belirlemek için fizik kurallarını yapay zeka ile birleştiren yenilikçi bir yöntem geliştirdi. Bu teknik, petrol rezervuarları, jeotermal enerji kaynakları ve CO₂ depolama alanları gibi yeraltı yapılarının daha doğru haritalanmasını sağlıyor. Geleneksel yöntemlerin aksine, sınırlı basınç ölçümleriyle bile güvenilir sonuçlar üretebilen sistem, özellikle nadir görülen aşırı basınç olaylarını da başarıyla modelleyebiliyor. Makine öğrenmesi algoritmaları içine fizik simülatörleri gömülerek geliştirilen bu yaklaşım, hem hesaplama maliyetlerini düşürüyor hem de fiziksel tutarlılığı koruyor. Yöntem, enerji sektöründen çevre koruma uygulamalarına kadar geniş bir kullanım alanı sunuyor ve yeraltı kaynak yönetiminde devrim yaratma potansiyeli taşıyor.

İskoçya'nın kuzeyindeki Neolitik dönem mezarlıklarında yapılan genetik analiz, bu anıtsal yapıların yalnızca mezar olmadığını, aynı zamanda aile soylarını yüzyıllar boyunca takip eden fiziksel birer kayıt sistemi olduğunu ortaya çıkardı. Arkeologlar, odalı mezarlarda defnedilen kişiler arasındaki genetik bağlantıları inceleyerek, prehistoric toplumların akrabalık ilişkilerini nasıl organize ettiklerini keşfetti. Bu bulgular, 5000 yıl öncesindeki insanların soy takibini ne kadar önemsediğini ve bunu fiziksel yapılarla nasıl somutlaştırdıklarını gösteriyor. DNA analizleri, mezarlarda bulunan bireylerin birçoğunun kan bağı ile birbirine bağlı olduğunu ve bu mezarların nesiller boyunca aynı aile hatları tarafından kullanıldığını kanıtlıyor. Araştırma, tarihöncesi toplumların sosyal yapısı hakkında yeni perspektifler sunuyor.