Stanford Üniversitesi araştırmacıları, tek bir fotoğraftan farklı açılardan görünümler oluşturabilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel yöntemler sadece kameradan elde edilen derinlik bilgilerine dayandığı için düşük doku detayına sahip yüzeylerde, kötü hava koşullarında veya engellerle dolu ortamlarda zorlanıyordu. Yeni sistem ise radar ve LiDAR gibi mesafe ölçüm teknolojilerinden gelen seyrek verileri yapay zeka ile birleştirerek bu sorunları aşıyor. Araştırmacılar, çok az sayıda radar noktasından yoğun derinlik haritaları oluşturabilen bir matematiksel model geliştirdi. Bu teknoloji, otonom araçların çevresel algısından sanal gerçeklik uygulamalarına kadar geniş bir kullanım alanına sahip. Özellikle zorlu çevre koşullarında güvenilir 3D görüntü oluşturma konusunda önemli bir ilerleme sağlıyor.

CERN'deki araştırmacılar, gelecek nesil parçacık hızlandırıcısı FCC-ee için tasarlanan saman tüpü dedektörlerinin performansını test etti. 150 GeV enerjili müon ışınları kullanılarak yapılan deneylerde, bu dedektörlerin uzaysal çözünürlüğü ve tespit verimliliği ölçüldü. Saman tüpü teknolojisi, parçacık izlerini yüksek hassasiyetle takip edebilen, hafif ve ekonomik bir çözüm sunuyor. Test sonuçları, gelecekteki parçacık fiziği deneylerinde kullanılacak bu dedektörlerin tasarımı ve optimizasyonu için önemli veriler sağladı. FCC-ee projesi, elektron-pozitron çarpıştırıcısı olarak planlanıyor ve Higgs bozonunun özelliklerini daha detaylı inceleyecek.

Araştırmacılar, tıbbi yapay zeka modellerini test etmek için MEDSYN adlı yeni bir değerlendirme sistemi geliştirdi. Bu sistem, gerçek hastane koşullarını taklit eden karmaşık vakalarla yapay zekanın tanı koyma becerilerini ölçüyor. Sonuçlar şaşırtıcı: En gelişmiş yapay zeka modelleri bile, farklı türdeki tıbbi kanıtları bir araya getirip doğru tanı koymakta zorlanıyor. Özellikle görüntü analizi yerine sadece hasta hikayesine odaklanma eğilimi gösteriyorlar. Bu bulgular, tıbbi yapay zekanın henüz insan doktorların yerini alamayacağını gösteriyor.

Araştırmacılar, silikon dedektörlerin iç yapısını üç boyutlu olarak incelemek için yeni bir yöntem geliştirdiler. İki-foton soğurma (TPA) teknolojisi kullanan bu yaklaşım, odaklanmış lazer ışığı ile dedektör içinde çok küçük bir hacimde yük taşıyıcılar oluşturuyor. Timepix3 adlı pikselleştirilmiş okuma sistemiyle birlikte kullanılan bu yöntem, elektrik alan haritalarının çıkarılması için gerekli olan zamanlama verilerini uzaysal çözünürlükle elde edebiliyor. Geliştirilen yeni rekonstrüksiyon çerçevesi, lazer darbeleri ile dedektör verisi arasında harici senkronizasyon gerektirmeden sürekli veri üzerinde çalışabiliyor. Bu teknoloji, parçacık fiziği deneylerinde kullanılan silikon dedektörlerin performansının anlaşılması ve optimizasyonu için önemli bir araç sunuyor.

Araştırmacılar, birden fazla kullanıcının aynı anda veri iletişimi yapabildiği sistemlerde çakışmaları önlemek için yeni matematiksel kodlama teknikleri geliştirdi. Çakışma önleyici kodlar (CAC), geri bildirim olmadan deterministik çoklu erişim sağlayan özel kodlardır. Bu çalışmada, özellikle kanal sayısının aktif kullanıcı sayısından az olduğu pratik senaryolar için çok kanallı CAC sistemleri incelendi. Geleneksel yaklaşımların aksine, araştırmacılar 'istisna kod sözcükleri' kavramını tanıtarak ve toplamsal kombinatorik tekniklerini kullanarak optimal çözümler türetti. Bu gelişme, kablosuz ağlar ve çoklu erişim sistemlerinde verimliliği artırabilir.

Araştırmacılar, zaman projeksiyon odalarında (TPC) kullanılan parçacık detektörleri için devrim niteliğinde bir kümeleme sistemi geliştirdi. FPGA teknolojisi kullanan bu sistem, olayın karmaşıklığından bağımsız olarak sabit sürede çalışabiliyor. Geleneksel sistemlerde veri karmaşıklığı arttıkça işlem süresi üssel olarak artarken, yeni sistem her zaman aynı sürede sonuç üretiyor. 200 MHz frekansla çalışan sistem, parçacık fizik deneylerinde büyük veri akışlarının gerçek zamanlı işlenmesini mümkün kılıyor. Bu gelişme, CERN'deki büyük hadron çarpıştırıcısı gibi büyük ölçekli fizik deneylerinde kullanılan detektör sistemlerinin verimliliğini önemli ölçüde artırabilir.

Araştırmacılar, lenssiz kameraların görüntü kalitesini önemli ölçüde artıran yeni bir yapay zeka yöntemi geliştirdi. Fourier Sinir Operatörleri (FNO) adlı bu teknik, ince difüzörler kullanarak çalışan kompakt kameralar için tasarlandı. Geleneksel lens tabanlı kameralardan farklı olarak, lenssiz kameralar diffüzör adı verilen özel malzemeler kullanır ve görüntü rekonstrüksiyonu için bilgisayar işlemlerine ihtiyaç duyar. Yeni yöntem, mevcut U-Net teknolojisine kıyasla 2.14 dB daha iyi PSNR değeri ve 0.11 daha yüksek SSIM skoru elde etti. En önemli özellik ise, 128x128 çözünürlükte eğitilen sistemin, ek eğitim almadan 256x256 ve 512x512 çözünürlüklerde de başarılı çalışabilmesi. Bu gelişme, mobil cihazlar ve uzay uygulamaları için daha kompakt kamera sistemleri geliştirilmesine kapı açıyor.

Araştırmacılar, su altında çekilen bulanık ve bozuk görüntüleri yapay zeka ile iyileştiren yeni bir sistem geliştirdi. Hero-Mamba adlı bu teknoloji, hem görüntünün renk bilgilerini hem de frekans verilerini aynı anda işleyerek, su altının sebep olduğu renk bozulması, düşük kontrast ve bulanıklık sorunlarını gideriyor. Sistem, geleneksel CNN'lerin uzun menzilli bağımlılıkları modellemedeki yetersizliği ve Transformer'ların yüksek çözünürlüklü görüntülerde yaşadığı hesaplama karmaşıklığı problemlerini çözerek daha verimli çalışıyor. Bu gelişme özellikle deniz bilimleri, su altı arkeolojisi ve denizcilik sektöründe önemli uygulamalara sahip olabilir.

Araştırmacılar, tıbbi görüntü analizi sistemlerinde diferansiyel gizlilik yöntemlerinin nasıl çalıştığını ve performans kaybına neden olduğunu açıklayan yeni bir çerçeve geliştirdi. Bu çalışma, hasta verilerinin gizliliğini korurken yapay zeka modellerinin neden performans kaybı yaşadığını anlamaya odaklanıyor. Göğüs röntgeni görüntülerinden oluşan 594.000'den fazla görüntü üzerinde yapılan testler, gizlilik koruması uygulanan modellerin beklenmedik davranışlar sergilediğini ortaya koydu. Bu bulgular, tıbbi yapay zeka sistemlerinde gizlilik ve performans arasındaki dengeyi optimize etmek için kritik önem taşıyor.

Araştırmacılar, tüberküloz salgınının yayılımını modellemek için yapay zeka destekli yeni bir yaklaşım geliştirdi. Fizik-Güdümlü Sinir Ağları (PG-NODE) adlı bu yöntem, klasik epidemiyolojik modellerin sabit parametreli yapısının ötesine geçerek, hastalığın zaman içindeki değişken dinamiklerini öğrenebiliyor. Yılda 1,3 milyon ölüme ve 10,6 milyon yeni enfeksiyona neden olan tüberküloz için geliştirilen sistem, geleneksel SLIR modelini (Duyarlı-Gizli-Enfektif-İyileşen) sinir ağları ile birleştiriyor. Bu hibrit yaklaşım, biyolojik kısıtlamaları korurken, gerçek dünya verilerindeki heterojenliği ve öngörülemeyen etkileri de hesaba katabiliyor.

Vietnam'ın karmaşık yasal metinleri, vatandaşların adalete erişiminde büyük bir engel oluşturuyor. Araştırmacılar, büyük dil modellerinin bu metinleri sadeleştirme yeteneklerini kapsamlı bir şekilde test etti. GPT-4o, Claude 3 Opus, Gemini 1.5 Pro ve Grok-1 modellerinin performansı, doğruluk, okunabilirlik ve tutarlılık açısından değerlendirildi. 60 karmaşık Vietnamca hukuki makale üzerinde yapılan büyük ölçekli hata analizi, modeller arasında önemli bir ödünleşim ortaya çıkardı: bazı modeller okunabilirlik konusunda başarılı olurken hukuki doğruluktan taviz veriyor. Bu çalışma, yapay zekanın hukuki metinleri halka daha erişilebilir hale getirme potansiyelini ortaya koyarken, mevcut sınırları da gözler önüne seriyor.