Bilgisayar destekli matematik alanında önemli bir gelişme yaşandı. Araştırmacılar, karmaşık sayılarla yapılan optimizasyon problemlerini gerçek sayılarla ifade etmenin yeni ve çok daha verimli bir yolunu keşfetti. Semidefinite programlama (SDP) olarak adlandırılan bu matematiksel yöntem, mühendislikten finansa kadar birçok alanda kritik optimizasyon problemlerinin çözümünde kullanılıyor. Yeni yaklaşım, geleneksel yöntemlere kıyasla önemli ölçüde daha hızlı sonuç veriyor ve bilgisayar kaynaklarını daha verimli kullanıyor. Bu gelişme, büyük ölçekli optimizasyon problemlerinin çözümünde yeni kapılar açabilir.

Bilgisayar programlama eğitiminde yapay zeka araçlarının kullanımı hızla yaygınlaşırken, bu durumun öğrenme sürecine etkileri araştırılmaya devam ediyor. Yeni bir çalışma, GitHub Copilot gibi AI programlama asistanları ile geleneksel ikili programlama yöntemini karşılaştırdı. 22 katılımcıyla yapılan kontrollü deneyde, öğrencilerin Python kodlama görevlerindeki performansları, öğrenme seviyeleri ve duygusal durumları incelendi. Sonuçlar, AI destekli programlamanın hızlı sonuç verdiğini ancak uzun vadeli öğrenme açısından insan partneriyle çalışmanın daha avantajlı olduğunu gösteriyor. Çalışma, programlama eğitiminde AI kullanımının dikkatli bir şekilde dengelenmesi gerektiğine işaret ediyor.

Araştırmacılar, programlama dillerinde boyutsal tip sistemlerini kullanan yenilikçi bir derleyici çerçevesi geliştirdi. Bu sistem, kod yazım aşamasından çalışma zamanına kadar boyutsal bilgileri koruyarak, hem bellek kullanımını hem de sayısal gösterimleri otomatik olarak optimize edebiliyor. Geleneksel derleyiciler boyutsal bilgileri erken aşamalarda silerken, yeni yaklaşım bu verileri süreç boyunca muhafaza ederek daha akıllı optimizasyonlar yapabiliyor. Sistem, değer aralıklarını analiz ederek en uygun veri tiplerini seçiyor ve bellek ayırma stratejilerini belirliyor. Hindley-Milner tip çıkarımına dayanan matematik altyapısı, polinom zamanda çalışabilen kararlı sonuçlar üretiyor. Bu gelişme, özellikle yüksek performans gerektiren uygulamalarda bellek verimliliği ve hesaplama hızında önemli iyileştirmeler sağlayabilir.

Araştırmacılar, yapay zeka destekli kod üretiminde yaygın bir sorun tespit etti: AI'ın yazdığı kodlar görünürde çalışırken aslında sessizce başarısız oluyor. Stanford ve Google araştırmacıları, bu durumun rastgele bir hata dağılımı olmadığını, insan geri bildirimlerinden kaynaklanan sistematik bir sorun olabileceğini öne sürüyor. Geliştirilen AIRA sistemi, 15 farklı kontrol mekanizmasıyla kodlardaki bu gizli hataları tespit edebiliyor. Üç farklı çalışmada test edilen sistem, AI kodlarının insan yazdığı kodlara göre daha fazla 'aldatıcı hata' içerdiğini ortaya koydu.

Araştırmacılar, insan hareketlerini daha iyi anlayabilmek için yeni bir yaklaşım geliştirdi. EXACT adlı özel programlama dili kullanan bu sistem, insan hareketlerini sadece tanımakla kalmayıp, nasıl gerçekleştirildiğini de analiz edebiliyor. Geleneksel yöntemler genellikle hangi hareketin yapıldığına odaklanırken, bu yeni model hareketin kalitesini ve yapısını değerlendiriyor. İnsan-merkezli sistemler için kritik olan bu gelişme, robotik, spor analizi ve rehabilitasyon alanlarında devrim yaratma potansiyeli taşıyor.

Araştırmacılar, insansız hava araçları (drone'lar) için daha akıllı uçuş yolları planlayan yeni bir matematiksel yöntem geliştirdi. Bu yaklaşım, karmaşık uçuş dinamiklerini basit parçalara bölerek, her biri için ayrı çözümler üretiyor. Geleneksel yöntemlerden farklı olarak, sadece dönüş açısı kontrolü için optimizasyon gerektiriyor; hız ve uçuş açısı kontrolü ise basit cebirsel formüllerle hallediyor. Yöntem, Dubins uçak modeli adı verilen matematiksel temele dayanıyor ve doğrusal programlama tekniklerini kullanıyor. Araştırma, hem normal uçuş hem de akrobasi hareketleri için uygulanabileceğini gösteriyor. Ayrıca 3D arazi üzerinde traktör yolu planlaması gibi farklı alanlara da genişletilebiliyor. Bu basit ama etkili yaklaşım, drone teknolojisinin daha verimli ve güvenli hale gelmesine katkıda bulunabilir.

Araştırmacılar, büyük dil modellerinin farklı programlama dilleri arasında kod üretme yeteneklerini kapsamlı bir şekilde incelediler. 13 farklı programlama dilini kapsayan ve yaklaşık 14 bin örnek içeren bir veri seti kullanarak gerçekleştirilen çalışma, yapay zekanın programlama dillerini birbirine çevirme konusundaki başarısının düşündüğümüzden daha karmaşık olduğunu ortaya koyuyor. Çalışma, özellikle modern yazılım geliştirmede sıkça karşılaşılan kod taşıma ve yeniden kullanma süreçlerinde yapay zeka destekli çözümlerin ne kadar etkili olabileceğine dair önemli bulgular sunuyor.

Büyük dil modelleri (LLM) üzerine kurulu çok-ajan sistemlerinde ortaya çıkan koordinasyon hatalarını çözmek için yeni bir yaklaşım geliştirildi. Araştırmacılar, mesaj sekans çizelgelerine dayanan özel bir programlama dili tasarlayarak, yapay zeka ajanları arasında güvenli iletişim sağlayan bir sistem yarattı. Bu yenilik, yapay zeka ajanlarının birbirleriyle çalışırken yaşadığı kilitlenme ve uyumsuzluk sorunlarını önceden tespit edip önleyebiliyor. Geliştirilen dil, mesaj iletimi yapısını LLM eylemlerinden ayırarak, öngörülemeyen yapay zeka davranışlarına rağmen güvenilir koordinasyon sağlıyor. Sistem ayrıca çalışma zamanında dinamik olarak iş akışı üretebilen bir planlama özelliği de sunuyor.

Araştırmacılar, cebirin en önemli araçlarından biri olan Gröbner basis teorisini Lean 4 programlama dilinde formalize ettiler. Bu gelişme, karmaşık matematik teorilerinin bilgisayar ortamında doğrulanabilir şekilde ifade edilmesinde önemli bir adım. Gröbner basisleri, çok değişkenli polinom denklem sistemlerini çözmek için kullanılan güçlü matematiksel araçlar. Araştırmacılar, Buchberger kriterini ve indirgenmiş Gröbner bazlarının varlık-teklik özelliklerini de dahil ederek teoriyi kapsamlı şekilde geliştirdiler. Özellikle sonsuz değişkenli halkaları da kapsayan bu çalışma, hem sonlu hem de sonsuz boyutlu durumları birleştiren yenilikçi bir yaklaşım sunuyor. Bu formalizasyon, matematiksel ispatlarda insan hatasını minimize ederek daha güvenilir sonuçlar elde edilmesini sağlayacak.

Araştırmacılar, büyük dil modellerinin kod güvenlik açıklarını onarma yeteneklerini artıran yeni bir hibrit sistem geliştirdi. SynthFix adlı bu sistem, yapay zeka ile sembolik programlama yaklaşımlarını birleştirerek, geleneksel yöntemlere göre %32'ye varan başarı artışı sağladı. Sistem, geliştiricilerin çalışma mantığını taklit ederek, hem yaygın hata kalıplarını öğreniyor hem de karmaşık durumlar için derleyici geri bildirimlerini kullanıyor. Bu gelişme, yazılım güvenliğinde otomasyonun artırılması açısından önemli bir adım.

Bilim insanları, dünyaca ünlü CERN'deki Büyük Hadron Çarpıştırıcısı gibi parçacık hızlandırıcılarında parçacık demetlerinin davranışını analiz etmek için kullanılan eski TRAIN yazılımını modern Python programlama diliyle yeniden geliştirdi. 1995 yılında geliştirilen orijinal TRAIN, LEP ve LHC hızlandırıcılarında parçacık demetleri arasındaki etkileşimleri incelemek için yaygın şekilde kullanılmıştı. Yeni pyTRAIN yazılımı, parçacık fiziği araştırmalarında kritik öneme sahip demek-demek etkileşimlerini daha verimli şekilde simüle edebiliyor. Modern kütüphaneler kullanılarak geliştirilen bu araç, farklı parçacık türlerini destekleyebilir ve çok sayıda etkileşim noktasını analiz edebilir. Yazılım, LHC'nin gerçek çalışma verileriyle karşılaştırılarak doğrulanmış durumda. Bu gelişme, parçacık hızlandırıcılarının tasarımı ve işletimi için daha güçlü simülasyon araçlarının kullanılabilir hale gelmesi anlamına geliyor.