Araştırmacılar, kuantum bilgisayarların ölçeklenebilirliğini artırmak için dağıtık mimarilerde çalışan hata toleranslı operasyonları inceledi. Çalışma, farklı kuantum modülleri arasında gerçekleştirilen transversal non-local CNOT ve mantıksal ışınlama işlemlerini simüle ederek, bu operasyonların performansını detaylı olarak karakterize etti. Sonuçlar, uygun cihazlarda dağıtık kuantum LDPC kodlarının, mevcut yüzey kodu lattice cerrahisinden daha iyi performans gösterebileceğini ortaya koydu. Özellikle non-local CNOT operasyonunun, aynı kod mesafesi ve gürültü seviyelerinde ışınlamaya kıyasla on kata kadar düşük mantıksal hata oranları elde edebildiği tespit edildi. Bu gelişme, kuantum bilgisayarların pratik uygulamalar için gerekli olan ölçeklenebilirlik sorununa önemli bir çözüm sunuyor.

MIT ve Stanford'dan araştırmacılar, kuantum sistemlerin hesaplama karmaşıklığında yeni bir sınır keşfetti. Çalışma, 'kısa tanımlı' kuantum durumlarının Local Hamiltonian problemi üzerindeki etkisini inceliyor. Araştırma, kuantum Hamiltonların yerellik parametresine göre karmaşıklık fazla geçişi yaşadığını gösteriyor. Özellikle 2-yerel kubit Hamiltonları için Succinct State probleminin MA-complete olduğu kanıtlanmış. Bu bulgular, verimli bir şekilde tanımlanabilen ve doğrulanabilen kuantum sistemler arasındaki sınırı netleştiriyor ve kuantum hesaplama teorisinin temel sorularına ışık tutuyor.

Araştırmacılar, gürültülü kuantum donanımında yüksek kaliteli GHZ durumları hazırlamak için Group-Majority-Voting (Group-MV) adlı yenilikçi bir protokol geliştirdiler. GHZ durumları, kuantum hesaplamada kritik öneme sahip özel kuantum dolanıklık durumlarıdır ancak devre hatalarına ve dekoheransa karşı oldukça hassastır. Yeni yöntem, kuantum devrelerini küçük parçalara bölerek paralel işlem yapıyor ve çoğunluk oylaması ile ölçüm hatalarını minimize ediyor. 30-60 qubit arasındaki testlerde, mevcut Line Dynamic yönteminden 2.4 kat daha yüksek doğruluk elde edildi. Bu gelişme, kuantum bilgisayarların pratik uygulamalarda daha güvenilir çalışmasına katkı sağlayabilir.

Amerikan Cross Section Evaluation Working Group (CSEWG), nükleer bilim ve teknoloji uygulamaları için kritik öneme sahip ENDF/B-VIII.1 veri kütüphanesini yayınladı. Bu güncelleme, altı yıllık yoğun çalışmanın ürünü olarak nükleer reaksiyon verilerinde önemli iyileştirmeler içeriyor. Özellikle Plutonyum-239'un uluslararası işbirliğiyle yeniden değerlendirilmesi ve 60'tan fazla nötron dozimetrisi kesit verisinin güncellenmesi dikkat çekiyor. IAEA koordinasyonundaki INDEN işbirliği kapsamında oksijen, demir, bakır, uranyum gibi kritik elementlerin nötron verileri de yenilendi. Bu güncellemeler, nükleer reaktör tasarımından radyasyon korumasına kadar pek çok alanda daha doğru hesaplamalar yapılmasını sağlayacak.

Araştırmacılar, düşük irtifada uçan drone'lardan toplanan görüntülerle 3D sahne rekonstrüksiyonu yapan yeni bir sistem geliştirdi. LAGS (Low-Altitude Gaussian Splatting) adı verilen bu teknoloji, dağıtık drone filolarının çektiği hava görüntülerini birleştirerek üç boyutlu sahneler oluşturuyor. Ancak mevcut kaynak dağıtım sistemleri, görüntü kalitesini maksimuma çıkarmaya odaklanırken iletişim verimliliğini göz ardı ediyordu. Yeni geliştirilen GW-HGNN (Groupwise Heterogeneous Graph Neural Network) sistemi, farklı açılardan çekilen görüntülerin yeniden yapılandırma sürecine olan katkılarını akıllıca hesaplayarak bu sorunu çözüyor. Sistem, veri kalitesi ve aktarım maliyeti arasında otomatik denge kuruyor. Gerçek dünya verileriyle yapılan testler, yeni metodun mevcut teknolojilerden önemli ölçüde daha başarılı olduğunu gösteriyor.

Araştırmacılar, büyük görsel-dil modellerinin eğitiminde karşılaşılan temel sorunları çözen yeni bir yaklaşım geliştirdi. Mevcut yöntemler ya modelin genel yeteneklerini unutmasına ya da optimizasyon çöküşüne neden oluyordu. Supervised Group Relative Policy Optimization (S-GRPO) adlı yeni framework, denetimli öğrenme ile pekiştirmeli öğrenmeyi birleştirerek bu sorunları aşıyor. Bu gelişme, görsel içeriği anlayabilen ve metinle etkileşim kurabilen yapay zeka sistemlerinin daha verimli eğitilmesi açısından önemli bir adım.

Araştırmacılar, büyük dil modellerini (LLM) temel alan çok-ajan arama sistemlerini optimize etmek için yeni bir yöntem geliştirdi. Multi-Agent Heterogeneous Group Policy Optimization (MHGPO) adlı bu algoritma, farklı uzmanlık alanlarına sahip yapay zeka ajanlarının birlikte çalışmasını daha verimli hale getiriyor. Geleneksel yöntemlerin aksine, MHGPO her ajanın farklı rollerini göz önünde bulundurarak öğrenme sürecini optimize ediyor. Bu yaklaşım, özellikle karmaşık problemleri çözmek için birden fazla uzman ajan gereken durumlarda önemli avantajlar sunuyor. Sistem, ajanlar arasındaki işbirliğini artırırken hesaplama maliyetlerini de düşürmeyi başarıyor.

Araştırmacılar, dil modellerinin sıklıkla makul görünen ama yanlış mantık yürütme süreçleri üretme sorununun üstesinden gelmek için yenilikçi bir yaklaşım geliştirdi. Qwen2.5-3B-Instruct modeli, Prolog programlama dilini harici bir sembolik mantık aracı olarak kullanmak üzere eğitildi. Bu süreçte Group Relative Policy Optimization (GRPO) yöntemiyle pekiştirmeli öğrenme kullanıldı. Sonuçlar oldukça etkileyici: 3 milyar parametreli model, MMLU-STEM ve MMLU-Pro testlerinde 7 milyar parametreli modellerin performansına yakın başarı gösterdi. Ancak araştırma önemli bir ödünleşme ortaya çıkardı: sadece doğruluk için optimize edilen yapılandırmalar, mantık yürütmeyi doğal dile devredip Prolog'u sadece son hesaplama için kullanırken, diğer yapılandırmalar daha şeffaf mantık süreçleri üretiyor. Bu çalışma, AI sistemlerinin hem daha doğru hem de denetlenebilir olması yolunda önemli bir adım.

Araştırmacılar, metin açıklaması, referans görüntüler, ses ve vücut pozları gibi farklı veri türlerini birleştirerek gerçekçi insan-nesne etkileşim videoları üreten OmniShow adlı yeni bir yapay zeka sistemi geliştirdi. Bu teknoloji, e-ticaret tanıtımları, kısa video üretimi ve etkileşimli eğlence içerikleri için otomatik içerik oluşturma konusunda önemli pratik değere sahip. Sistem, farklı koşulları uyumlu şekilde işleyerek endüstri seviyesinde performans sunuyor. Geliştirilen Unified Channel-wise Conditioning tekniği verimli görüntü ve poz enjeksiyonu sağlarken, Gated Local-Context Attention özelliği ses-görüntü senkronizasyonunu hassas şekilde gerçekleştiriyor.

Büyük dil modellerinin insan tercihlerine göre eğitilmesinde kullanılan mevcut yöntemler, her soru için sadece bir doğru-yanlış cevap çifti kullanarak veri setlerindeki zengin bilgiyi değerlendiremiyor. Araştırmacılar, aynı soru için birden fazla cevabı karşılaştırarak daha etkili eğitim sağlayan grup tabanlı optimizasyon yöntemlerini geliştirdi. Ancak bu yaklaşım, bilgisayar hafızasında ciddi sorunlar yaratıyordu. Yeni GroupDPO algoritması, hafıza kullanımını önemli ölçüde azaltarak bu sorunu çözüyor ve büyük grup boyutlarıyla ölçeklenebilir eğitim imkanı sunuyor.

Araştırmacılar, farklı gruplar arasındaki iletişimi kolaylaştırmak için GroupEnvoy adında bir konuşma robotu geliştirdi. Bu sistem, psikolojik veya dil engelleri nedeniyle doğrudan iletişim kuramayan gruplar arasında köprü görevi görüyor. Üniversite öğrencileriyle yapılan deneyde, yerli öğrenciler bir grup aktivitesi yaparken GroupEnvoy, uluslararası öğrencilerin görüşlerini temsil etti. Sonuçlar, bu yapay zeka aracılığıyla gerçekleşen etkileşimin, gruplar arası kaygıyı azalttığını ve karşı tarafın perspektifini anlama yetisini geliştirdiğini gösterdi. Çalışma, sosyal psikolojideki gruplar arası temas teorisine dayanan bu yaklaşımın, toplumsal uyumu artırmak için etkili bir yöntem olabileceğini ortaya koyuyor.