Bilim insanları, 18. ve 19. yüzyıl Tokyo'sunda ne kadar güneş ışığı bulunduğunu tarihi günlükler kullanarak tahmin etmeyi başardı. Güneş radyasyonu miktarı, hava koşulları, tarımsal başarı, yağış ve genel iklim eğilimleri üzerinde büyük etkiye sahip. Günümüzde pirheliometre adı verilen hassas cihazlarla ölçülen bu veriler, geçmişte böyle araçlar bulunmadığı için elde edilemiyordu. İlk pirheliometre 1838'de icat edilirken, otomatik versiyonları 20. yüzyılın başlarında kullanılmaya başlandı. Bu çalışma, iklim tarihini anlamak ve geçmiş dönemlerdeki çevre koşullarını yeniden inşa etmek açısından önemli.

Bilim insanları 2026 yılında güçlü bir El Niño olayının yaşanabileceği konusunda uyarılarda bulunuyor. 'Süper El Niño' olarak adlandırılan bu iklim fenomeni, dünya genelinde aşırı yağışlar, sıcak hava dalgaları, kuraklık ve yıkıcı seller getirebilir. Uzmanlar kesin bir tahmin vermek için henüz erken olduğunu belirtse de, bu potansiyel iklim olayına karşı hazırlık yapılması gerektiğini vurguluyor. El Niño, Pasifik Okyanusu'ndaki su sıcaklık değişimleriyle karakterize edilen ve küresel iklim desenlerini derinden etkileyen doğal bir fenomen. Özellikle güçlü El Niño olayları, tarım, su kaynakları ve ekstrem hava olayları açısından ciddi sonuçlar doğurabilir.

Hindistan'da geliştirilen yeni yapay zeka sistemi, geleneksel yöntemlere kıyasla yağış tahminlerinde çok daha başarılı sonuçlar elde etti. Farklı AI tekniklerini harmanlayan sistem, tarihsel veriler kullanılarak test edildiğinde hem yanlış alarmları azalttı hem de şiddetli yağışları kaçırma oranını düşürdü. International Journal of Mobile Communications'da yayımlanan araştırma, gelişmiş veri temizleme ve optimizasyon teknikleriyle desteklenen hibrit yaklaşımın, yağmurları hafif, orta ve şiddetli kategorilerde sınıflandırmada dikkate değer başarı gösterdiğini ortaya koydu. Bu gelişme, özellikle muson yağmurlarının kritik önem taşıdığı Hindistan gibi ülkeler için büyük anlam ifade ediyor.

Bilim insanları, biyolojik beyin hücrelerinin çalışma prensiplerini taklit eden yeni bir yapay sinir ağı geliştirdi. PCL+ adlı bu sistem, geçmiş bilgileri kısa süreli hafızasında saklayarak gelecekte ne olacağını tahmin edebiliyor. İnsan beyninin görsel korteksinde gerçekleşen öğrenme süreçlerini taklit eden bu teknoloji, eksik görüntü parçalarını tamamlayabilme ve hareket tanıma gibi karmaşık görevlerde başarılı sonuçlar verdi. Araştırmacılar, sinir hücrelerinin birbirleriyle olan bağlantılarında gecikme sürelerini öğrenerek, yakın geçmişteki bilgileri muhafaza etme becerisini geliştirmeyi başardı. Bu çalışma, yapay zekanın daha biyolojik prensiplerle çalışan sistemler geliştirilmesi yönünde önemli bir adım olarak değerlendiriliyor.

Bilim insanları, beynin nasıl çalıştığını anlamak için nöronların gelecekteki aktivitelerini tahmin etmeye çalışıyor. Ancak şimdiye kadar bu tahminlerin ne kadar başarılı olduğunu ölçmek için kullanılan yöntemler yetersizdi. Araştırmacılar, SpikeProphecy adını verdikleri yeni bir test platformu geliştirerek bu sorunu çözmeyi hedefliyor. Bu platform, 89.800 nörondan toplanan gerçek beyin kayıtlarını kullanarak yapay zeka modellerinin performansını çok daha detaylı bir şekilde değerlendiriyor. Geleneksel yöntemler sadece genel bir başarı puanı verirken, yeni sistem zamansal doğruluk, mekansal desen hassasiyeti ve büyüklük-bağımsız hizalama gibi farklı boyutları ayrı ayrı analiz ediyor. Bu yaklaşım, beyin-bilgisayar arayüzlerinden nörolojik hastalıkların tedavisine kadar pek çok alanda kullanılabilecek daha etkili modellerin geliştirilmesine katkı sağlayabilir.

Araştırmacılar, Mamba adlı yapay zeka modelini kullanarak fare beynindeki binlerce nöronun aktivitesini analiz ederek, hayvanın nasıl davranacağını tahmin etmeyi başardılar. Model, sadece nöron ateşleme verilerini öğrenerek, farelerin görsel uyaranlara nasıl tepki vereceğini %75.7 doğrulukla öngörebildi. Bu çalışma, beyin-bilgisayar arayüzleri için önemli bir adım teşkil ediyor. Geleneksel yöntemlere kıyasla 4-6 puan daha yüksek başarı gösteren sistem, 39 farklı oturumda 27.000 nöron ve yaklaşık 2.000 deneme üzerinde test edildi. Teknoloji, gelecekte felçli hastalara yardım edebilecek beyin-bilgisayar arayüzlerinin geliştirilmesinde kritik rol oynayabilir.

Mevcut video yapay zeka modelleri, insanların sosyal etkileşimleri nasıl algıladığını anlama konusunda yetersiz kalıyordu. Araştırmacılar, V-JEPA2 gibi gelişmiş modellerin bile sosyal video kliplerdeki insan benzerlikleri tahminlerinde basit metin modellerinden daha kötü performans gösterdiğini keşfetti. Bu sorunu çözmek için 'davranışsal geometrik denetim' adı verilen yeni bir yöntem geliştirildi. 250 doğal sosyal video klibinden toplanan 49.484 insan yargısı kullanılarak, yapay zeka modellerinin sosyal algısı önemli ölçüde geliştirildi.

Araştırmacılar, yüklü kolloid parçacıklardan kristal yapıların nasıl oluştuğunu simüle eden açık kaynak yazılım PACSim'i geliştirdi. PACS (Polimer-Zayıflatılmış Coulomb Öz-Düzenlenmesi) yöntemi, basit kolloid yapı taşlarından kristal oluşturmanın esnek bir deneysel yaklaşımı. Bu süreçte, polimer fırça ile kaplanmış yüklü küresel parçacıklar kullanılarak geri dönüşümsüz topaklanma engellenir. Hangi kristal yapıların oluşacağı, kolloid konsantrasyonu, yükü, boyutu ve çözeltideki tuz konsantrasyonu gibi faktörlere bağlı. Moleküler dinamik simülasyonları bu süreçlerin sonuçlarını tahmin etmek ve parçacık düzeyinde anlayış sağlamak için güçlü araçlar sunuyor. PACSim yazılımı, deneysel senaryoların geniş bir yelpazesinde PACS düzenlenmesi çalışmalarını mümkün kılıyor.

Araştırmacılar, dinamik sistemleri modellemede kullanılan yapay sinir ağlarının performansını artıran yeni bir yöntem geliştirdi. MPINeuralODE adlı bu yaklaşım, fizik yasalarını öğrenme sürecine dahil ederek ve çoklu başlangıç koşullarını kullanarak, sistemlerin uzun vadeli davranışlarını daha doğru tahmin edebiliyor. Geleneksel Neural ODE'ler genellikle eğitim verilerinde iyi performans gösterse de, yeni koşullarda ve uzun zaman dilimlerinde başarısız oluyordu. Yeni yöntem, Lotka-Volterra gibi karmaşık dinamik sistemlerde %26 oranında daha iyi sonuçlar elde ederek, yapay zekanın fiziksel sistemleri anlama kabiliyetini önemli ölçüde artırıyor.

Bilimsel makine öğrenmesi modellerinin gizli bir sorunu ortaya çıktı. Aynı eğitim verilerinin farklı örnekleriyle eğitilen iki model, genel doğruluk oranlarında %1-4 fark gösterirken, test moleküllerinin %8-22'sini tamamen farklı şekilde sınıflandırıyor. Bu 'çapraz-örnek tahmin dalgalanması' sorunu, bilimsel araştırmalarda model güvenilirliğini ciddi şekilde tehdit ediyor. Araştırmacılar, 9 farklı kimya veri seti üzerinde yaptıkları çalışmada, geleneksel yöntemlerin bu sorunu çözemediğini, ancak iki yeni yaklaşımın umut verici sonuçlar gösterdiğini keşfetti.

Florida Üniversitesi Kuantum Teori Projesi (QTP) kapsamında geliştirilen yeni fonksiyoneller, moleküllerin dinamik polarizasyon özelliklerini ve uzun menzilli etkileşim katsayılarını tahmin etmede önemli başarı gösterdi. Araştırmacılar 25 farklı değiş-tokuş korelasyon fonksiyonelini test ederek, farklı dalga boylarında moleküllerin ışığa nasıl tepki verdiğini inceledi. Bu çalışma, moleküler etkileşimleri ve optik özellikleri anlamada kullanılan hesaplamalı yöntemlerin geliştirilmesine katkı sağlıyor. Elde edilen sonuçlar, yüksek seviye kuantum kimyasal hesaplamalarla uyum göstererek, bu fonksiyonellerin güvenilirliğini kanıtlıyor.