Nükleer reaktörlerde kullanılan TRISO yakıt parçacıkları, yüksek sıcaklık ve radyasyon altında yapısal değişime uğrar. Bu değişimleri anlamak için binlerce mikroskobik görüntünün analiz edilmesi gerekir - uzmanların elle yaptığı yorucu bir süreç. Araştırmacılar, bu sorunu çözmek için UA-Net adlı yapay zeka sistemini geliştirdi. Bu sistem, TRISO yakıt görüntülerindeki beş farklı bölgeyi otomatik olarak tanımlayabiliyor ve tahminlerinin ne kadar güvenilir olduğunu gösteren belirsizlik haritaları üretiyor. Çok aşamalı öğrenme stratejisi kullanan sistem, önce genel görüntü özelliklerini ImageNet veri setinden öğreniyor, sonra da nükleer yakıt görüntüleriyle eğitiliyor. Bu teknoloji, nükleer yakıt performansının değerlendirilmesini hızlandırarak enerji güvenliğine katkı sağlayabilir.

Büyük dil modelleri (LLM'ler) işletme analitiğinde kullanılırken karşılaşılan en büyük sorun, bu modellerin rastgele doğası ile analitik tutarlılık gereksinimleri arasındaki çelişkidir. Araştırmacılar, duygu analizi tahminlerindeki bu tutarsızlığı çözmek için SSAS (Syntactic & Semantic Context Assessment Summarization) adlı yeni bir çerçeve geliştirdi. Bu sistem, hiyerarşik sınıflandırma yapısı ve yinelemeli özetleme mimarisi kullanarak, LLM'lerin dikkat mekanizmasını sınırlandırıyor ve ham metinleri yüksek sinyalli, duygu yoğunluklu verilere dönüştürüyor. SSAS çerçevesi, gürültülü modern veri setleriyle çalışırken daha tutarlı sonuçlar elde etmeyi hedefliyor ve stratejik iş kararları için güvenilir duygu tahminleri sunmayı amaçlıyor.

Araştırmacılar, yapay zekanın göğüs röntgenlerinde nadir hastalıkları ve daha önce hiç görmediği bulguları tespit edebilmesi için yeni bir yarışma düzenledi. CXR-LT 2026 adlı bu yarışma, 145 bin göğüs röntgeni görüntüsü içeren büyük bir veri seti sunuyor. Gerçek dünyada bazı hastalıklar çok nadir görülürken diğerleri sık karşılaşılıyor - bu durum AI sistemler için büyük bir zorluk oluşturuyor. Yarışmada kullanılan görüntülerin tamamı radyologlar tarafından değerlendirildi ve birden fazla tıp merkezinden toplandı. Bu çalışma, AI'ın tıbbi görüntü analizi alanındaki yeteneklerini artırarak daha güvenilir teşhis sistemleri geliştirilmesine katkı sağlayacak.

Yazılım geliştirmede kod hatalarını otomatik bulan sistemler, görünürde etkileyici performans sergiliyor. Ancak yeni araştırmalar, bu sistemlerin gerçek mantıksal akıl yürütme yerine basit kelime eşleştirme kısayolları kullandığını ortaya koyuyor. Araştırmacılar bu durumu 'Kelime Kısayolu' olarak adlandırıyor ve yapay zekanın kod anlama kapasitesindeki temel eksiklikleri gözler önüne seriyor. Bu keşif, otonom yazılım mühendisliğinin gelecekteki gelişimi için kritik öneme sahip.

Matematik dünyasında önemli bir gelişme yaşandı. Araştırmacılar, bir fonksiyonun sadece büyüklük bilgilerinden yola çıkarak orijinal halini geri kazanma probleminde çığır açan bir sonuca ulaştı. Gabor dönüşümü olarak bilinen bu matematiksel araç, ses ve görüntü işlemeden tıbbi görüntülemeye kadar geniş bir kullanım alanına sahip. Yeni çalışma, belirli koşullar altında sadece genlik bilgisinden hareketle orijinal sinyalin tam olarak geri elde edilebileceğini matematiksel olarak kanıtladı. Bu buluş özellikle dijital sinyal işleme, görüntü analizi ve veri sıkıştırma teknolojilerinde önemli ilerlemelere kapı açabilir.

Araştırmacılar, eksik bilgileri tamamlamak için görsel ve metinsel verileri birlikte kullanan çok boyutlu bilgi grafiklerinde devrim niteliğinde bir yöntem geliştirdi. M-Hyper adlı bu yeni yaklaşım, farklı veri türlerini hem bağımsız hem de birleşik şekilde işleyerek mevcut yöntemlerin sınırlarını aşıyor. Geleneksel sistemler ya veri türlerini karıştırarak özgün bilgileri kaybediyor ya da onları tamamen ayrı tutarak aralarındaki ilişkileri göz ardı ediyordu. Yeni sistem, hiperkarmaşık matematik kullanarak her iki yaklaşımın avantajlarını birleştiriyor ve bağlama göre hangi veri türünün daha önemli olduğunu dinamik olarak belirleyebiliyor. Bu gelişme, yapay zeka sistemlerinin eksik bilgileri daha doğru şekilde tahmin etmesine ve farklı türdeki verileri daha etkili şekilde değerlendirmesine olanak sağlıyor.

Astronomlar, galaksilerin metal içeriğini belirlemek için şimdiye kadarki en kapsamlı kalibrasyon sistemini geliştirdi. DESIRED veritabanı kullanılarak oluşturulan bu yeni sistem, 2392 spektrum analizi ile 27 farklı güçlü çizgi kalibrasyonu sunuyor. Araştırma, hem yakın çevremizden hem de 12 milyar yıl öncesinden galaksi örneklerini kapsıyor. Bu gelişme, galaksilerin evrimini ve yıldız oluşum süreçlerini anlamada önemli bir adım. Yeni kalibrasyon yöntemi, oksijen, azot, kükürt, argon ve neon bazlı çizgi oranlarını kullanarak galaksilerin kimyasal zenginliğini daha hassas şekilde ölçebiliyor. Bu çalışma, uzak galaksilerin metal bolluğunu belirlemede astronomiyi yeni bir seviyeye taşıyor ve evrenin kimyasal evrim hikayesini daha net anlamamızı sağlıyor.

Araştırmacılar, siber güvenlik açıklarının ne zaman ve nasıl ortaya çıkacağını önceden tahmin edebilecek yapay zeka modelleri geliştiriyor. Çalışma, güvenlik açıklarına ilişkin kanıtların, tartışmaların ve saldırı şablonlarının zaman içindeki dağılımını analiz ederek gelecekteki tehditleri öngörmeyi hedefliyor. Transformer tabanlı VLAI modeli ile geliştirilen sistem, güvenlik açıklarının önem derecelerini metinsel açıklamalardan çıkararak zaman serisi tahminlerini iyileştirmeye çalışıyor. Ancak siber güvenlik verilerinin seyrek, düzensiz ve ani patlamalar gösteren yapısı, geleneksel tahmin modellerinin etkinliğini sınırlıyor. Araştırma, SARIMAX gibi istatistiksel modellerin bu tür veriler için yetersiz kaldığını ve çok geniş güven aralıkları ürettiğini ortaya koyuyor.

Stanford ve diğer üniversitelerden araştırmacılar, kullanıcı davranışlarındaki zaman boyutunu daha etkili analiz edebilen yeni bir yapay zeka modeli geliştirdi. TAI2Vec adlı bu sistem, öneri algoritmalarının temelini oluşturan item embedding teknolojisine zamansal farkındalık kazandırıyor. Geleneksel yöntemler kullanıcı etkileşimlerini zamansız bir şekilde değerlendirirken, yeni yaklaşım kısa ve uzun vadeli tercihleri birbirinden ayırt edebiliyor. Model, dakikalar arayla yapılan etkileşimlerle aylar arayla yapılanları aynı önemde görmek yerine, her kullanıcının bireysel davranış temposuna uyarlanabiliyor. Bu gelişme, e-ticaret platformlarından sosyal medya algoritmalarına kadar geniş bir yelpazede daha kişiselleştirilmiş ve doğru öneriler sunulmasını sağlayabilir.

Araştırmacılar, yapay zekanın video içindeki hareketleri daha iyi anlaması için yeni bir sistem geliştirdi. Video-STAR adlı bu teknoloji, karmaşık hareketleri küçük parçalara bölerek analiz ediyor ve farklı araçları kullanarak daha doğru sonuçlar elde ediyor. Geleneksel yöntemlerin aksine, bu sistem hareketleri tek bir bütün olarak görmek yerine, her hareketin alt bileşenlerini ayrı ayrı inceliyor. Bu yaklaşım, özellikle birbirine benzer hareketleri ayırt etmede büyük avantaj sağlıyor. Sistem ayrıca farklı modaliteler arası yanılsamaları azaltarak daha güvenilir sonuçlar üretiyor. Bu gelişme, video analizi ve hareket tanıma alanında önemli bir ilerleme temsil ediyor.

Bilim insanları, yüksek eksantrik yörüngelerde dönen ve kütleleri birbirine yakın kara delik çiftlerinin çarpışma sonrası yayınladığı gravitasyonel dalgaların matematiksel modellerini geliştirdi. Rochester Institute of Technology'nin 233 simülasyonunu kullanan araştırmacılar, Bayesci yöntemlerle bu karmaşık dalga formlarını tahmin edebilen kapalı form denklemleri oluşturdu. Model, kütlelerin simetrik oranı ve birleşme anındaki enerji ile açısal momentum parametrelerine dayalı çok değişkenli polinomlar kullanıyor. Extreme eksantrik durumlarda bile yaklaşık 10^-3 hata payıyla çalışan bu model, gravitasyonel dalga dedektörlerinin veri analizinde kullanılabilir ve kara delik fiziği anlayışımızı derinleştiriyor.