Araştırmacılar, matematikteki k-düzlem dönüşümlerinin özelliklerini Sobolev, Besov ve Triebel-Lizorkin uzaylarında inceleyerek önemli ilerlemeler kaydetti. Bu çalışma, bir fonksiyonu k-boyutlu düzlemler üzerinden entegre eden matematiksel dönüşümlerin davranışlarını analiz ediyor. Özellikle X-ray (k=1) ve Radon (k=d-1) dönüşümleri için bilinen klasik sonuçlar, genel k-düzlem dönüşümlerine genişletildi. Araştırmacılar, kompakt destekli fonksiyonlar için Sobolev kararlılık tahminleri kurdu ve izometri özdeşliklerini genelleştirdi. Bu matematiksel gelişmeler, tıbbi görüntüleme ve tomografi gibi uygulamalarda kullanılan integral dönüşümlerin teorik temellerini güçlendiriyor.

Türk ve uluslararası matematikçilerden oluşan bir araştırma ekibi, değişken üslü harmonik fonksiyonların sonsuz değerlere yaklaştığında nasıl davrandığını açıklayan yeni bir teorem geliştirdi. Bu çalışma, p(x)-harmonik denklemlerin çözümlerinin sınırlı bir bölgede üs fonksiyonu sonsuza giderken nasıl evrildiğini matematiksel olarak kanıtlıyor. Araştırma, özellikle fizik ve mühendislikte karşılaşılan değişken parametreli diferansiyel denklemlerin davranışını anlamamıza yardımcı oluyor. Elde edilen sonuçlar, bu tür fonksiyonların belirli koşullar altında sonsuz harmonik fonksiyonlara yakınsadığını gösteriyor. Bu keşif, matematiksel analizde yeni kapılar açarken, pratik uygulamalarda da önemli sonuçlar doğurabilir.

Araştırmacılar, sosyal ağlardaki etkili kişileri belirleme problemini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel yöntemler, karmaşık etkileşimleri tam olarak yakalayamıyor. Yeni çalışma, hipergraf modellemesi ve parçacık sürüsü optimizasyonu algoritmasını birleştirerek, çok boyutlu sosyal etkileşimleri daha iyi analiz ediyor. Bu yöntem, pazarlama kampanyalarından halk sağlığı müdahalelerine kadar geniş uygulama alanına sahip. Hipergraflar, ikiden fazla kişi arasındaki etkileşimleri modelleyebilme avantajı sunuyor ancak hesaplama karmaşıklığını artırıyor. Araştırma ekibi, bu zorluğu aşmak için eşik modeli tabanlı fitness fonksiyonu geliştirdi.

Araştırmacılar, e-ticaret ve dijital pazarlama sektörü için devrimsel bir yapay zeka teknolojisi geliştirdi. HiFi-Inpaint adlı bu sistem, insan ve ürünlerin birlikte gösterildiği fotoğraflarda ürün detaylarını koruyarak yüksek kaliteli görüntüler üretebiliyor. Geleneksel yöntemlerin aksine, bu teknoloji referans görüntüleri kullanarak ürünlerin dokusundan rengine kadar tüm detaylarını hassas şekilde koruyor. Sistem, Paylaşımlı Gelişim Dikkat mekanizması ve Detay Farkında Kayıp fonksiyonu gibi yenilikçi yaklaşımlarla çalışıyor. Bu gelişme, özellikle e-ticaret sitelerinde ürün tanıtımları, reklam kampanyaları ve dijital pazarlama materyallerinin hazırlanmasında büyük kolaylık sağlayacak. Teknoloji, mevcut yapay zeka modellerinin ürün detaylarını koruma konusundaki eksikliklerini gidererek sektöre yeni bir soluk getiriyor.

Fizikçiler, kuantum mekaniği ve göreliliği birleştiren yeni bir matematiksel çerçeve geliştirdi. Bu çalışma, Dirac denklemini türeten relativistik yol integralinin, aynı zamanda kuantum ölçümünün nasıl gerçekleştiğini de açıklayabildiğini ortaya koyuyor. Araştırma, elektromanyetik gürültünün kuantum sistemlerde dalga fonksiyonu çöküşünü nasıl tetiklediğini gösteriyor. Bu keşif, modern fiziğin iki temel taşı arasında yeni bir köprü kurarken, kuantum ölçüm problemine dinamik bir çözüm sunuyor. Çalışmanın en önemli katkısı, üniter evrimi ve dalga fonksiyonu çöküşünü tek bir mekanizma altında birleştirmesi.

Araştırmacılar, büyük dil modellerinin rehberliğinde evrimsel arama kullanarak basit ve anlaşılır algoritmalar keşfeden EVIL adlı yeni bir yaklaşım geliştirdi. Bu sistem, büyük veri setleri üzerinde sinir ağları eğitmek yerine, farklı veri setlerinde sıfır-atışlı çıkarım yapabilen saf Python/NumPy programları evrimleştiriyor. Sistem üç farklı alanda test edildi: zamansal nokta süreçlerinde bir sonraki olayı tahmin etme, Markov atlama süreçleri için oran matrisi tahmini ve zaman serisi tamamlama. Her durumda, evrimleşen tek bir algoritma tüm değerlendirme veri setlerinde veri seti başına özel eğitime ihtiyaç duymadan genelleme başarısı gösterdi. Bu çalışma, LLM destekli program evriminin dinamik sistemler problemleri için tek bir kompakt çıkarım fonksiyonu keşfedebileceğini gösteren ilk araştırma olma özelliği taşıyor.

Araştırmacılar, sınırlı bütçe ile karmaşık optimizasyon problemlerini çözmek için yeni bir algoritma geliştirdiler. 'Kometo' adı verilen bu yöntem, farklı maliyetli yaklaşımları akıllıca dengeleyerek önceki garantilerden daha iyi sonuçlar veriyor. Çok-sadakat optimizasyonu olarak bilinen bu yaklaşım, hedef fonksiyonun farklı maliyetli ve önyargılı yaklaşımlarını kullanır. Araştırma, yerel olarak düzgün fonksiyonları optimize etme problemini inceliyor ve maliyet-önyargı dengesini optimize eden çözümler sunuyor. Yeni algoritma, fonksiyon düzgünlüğü ve sadakat varsayımları hakkında önceden bilgi sahibi olmadan çalışabiliyor ve logaritmik faktörlerle birlikte optimal öğrenme oranlarına ulaşıyor. Deneysel sonuçlar, Kometo'nun probleme bağlı parametreler hakkında bilgi sahibi olmadan diğer çok-sadakat optimizasyon yöntemlerinden üstün performans sergilediğini gösteriyor.

MIT araştırmacıları, yapay zeka dünyasında köklü bir varsayımı sarsan bir keşif yaptı. Onlarca yıldır geçerli kabul edilen 'yoğun sinir ağlarının her türlü fonksiyonu öğrenebileceği' teorisinin aslında yanlış olduğunu matematiksel olarak ispat ettiler. Araştırma, ReLU aktivasyon fonksiyonu kullanan ve ağırlık değerleri sınırlı olan yoğun bağlantılı sinir ağlarının, bazı Lipschitz sürekli fonksiyonları asla öğrenemeyeceğini gösteriyor. Bu bulgu, yapay zeka modellerinin tasarımında seyreltilmiş bağlantıların neden kritik önemde olduğunu açıklıyor ve gelecekteki sinir ağı mimarilerinin nasıl geliştirilmesi gerektiği konusunda yeni perspektifler sunuyor. Çalışma, graf sinir ağları ve mesaj geçişi yaklaşımlarını kullanarak bu sınırlamaları ortaya koyuyor.

Araştırmacılar, yapay zeka eğitiminde kullanılan Forward-Forward algoritmasını önemli ölçüde geliştiren yeni bir yaklaşım keşfetti. Geleneksel yöntemlerin aksine, tüm nöronları değerlendirmek yerine sadece en aktif olanları seçen 'top-k iyilik' fonksiyonu, Fashion-MNIST veri setinde %22,6 oranında daha yüksek doğruluk sağladı. Bu yenilikçi yaklaşım, beynin çalışma mantığına daha yakın olan Forward-Forward algoritmasının performansını dramatik şekilde artırarak, yapay zeka eğitiminde yeni ufuklar açıyor. Çalışma, hangi nöron aktivasyonlarının ölçülmesi ve nasıl bir araya getirilmesi gerektiği konusunda sistematik bir analiz sunuyor.

Araştırmacılar, insansız hava araçları (İHA) ile çekilen görüntülerdeki çok küçük nesneleri tespit etmek için DroneScan-YOLO adlı yeni bir yapay zeka sistemi geliştirdi. Mevcut YOLO tabanlı tespit sistemleri, 32 piksel altındaki nesneleri fark etmekte zorlanıyor ve yoğun hesaplama gücü gerektiriyordu. Yeni sistem, 1280x1280 çözünürlükle çalışarak daha fazla uzamsal detay yakalıyor, gereksiz filtreleri otomatik olarak temizleyen RPA-Block mekanizması kullanıyor ve sadece %1.1 parametre artışıyla 4 piksel adımlı yeni bir tespit dalı ekliyor. Hibrit kayıp fonksiyonu SAL-NWD ile de özellikle çok küçük nesnelerdeki tespit başarısını artırıyor. Bu gelişme, arama-kurtarma operasyonları, tarımsal izleme ve güvenlik uygulamalarında kritik öneme sahip.

Otonom sistemlerde güvenlik kısıtlamalarının korunması için kullanılan güvenlik filtrelerinin performansını artıran yeni bir yöntem geliştirildi. Araştırmacılar, Pontryagin Maksimum Prensibi kullanarak güvenlik ihlallerini zar zor önleyen sınır yörüngelerini karakterize etti. Bu yaklaşım, öğrenme tabanlı Hamilton-Jacobi Erişilebilirlik sistemlerinde veri toplama sürecini yönlendirerek, güvenlik açısından kritik durumlar yakınında öğrenme çabalarını yoğunlaştırıyor. Geliştirilen Kontrol Bariyeri Değer Fonksiyonu doğrudan güvenlik filtrelemesi için kullanılabiliyor. Yöntem, özellikle yüksek boyutlu karmaşık sistemlerde kısıt ihlallerine yol açabilecek durumları içeren bilgilendirici verilerin örneklenmesi sorununa çözüm getiriyor. Otonom araç yarışı uygulamasında yapılan deneysel doğrulamalar, PMP örnekleme yönteminin öğrenme verimliliğini artırdığını, daha hızlı yakınsama sağladığını ve başarısızlık oranlarını azalttığını gösterdi.