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.

Bilim insanları, protein gibi biyomoleküllerin davranışını simüle etmek için kullanılan yapay zeka tabanlı moleküler dinamik modellerinde devrim niteliğinde bir gelişme gerçekleştirdi. Geleneksel yöntemler sadece kuvvet eşleştirmesi kullanırken, yeni geliştirilen Hessian eşleştirme tekniği, moleküllerin enerji yüzeyinin eğriliği hakkında ikinci dereceden bilgileri de modele dahil ediyor. Bu yaklaşım, protein katlanması gibi karmaşık biyolojik süreçlerin çok daha doğru bir şekilde simüle edilmesini sağlıyor. Araştırmacılar, tam Hessian matrisini hesaplamadan stokastik Hessian-vektör çarpım eşleştirmesi kullanarak hesaplama maliyetini düşük tutmayı başarmış. Dokuz farklı hızlı katlanan protein üzerinde yapılan testlerde, yöntemin geleneksel force matching tekniklerine göre üstün performans gösterdiği kanıtlandı.

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.

Yeni bir araştırma, zeka ile ilişkili genetik yatkınlıkların politik görüşlerimizi şekillendirdiğini, ancak bu etkinin çocukluk dönemindeki sosyoekonomik duruma göre tamamen farklı yönlerde olabildiğini ortaya koyuyor. Çalışmaya göre, yüksek bilişsel performans genleri taşıyan bireyler, fakir ailelerden geliyorlarsa sol görüşlere, zengin ailelerden geliyorlarsa sağ görüşlere yönelim gösteriyor. Bu bulgular, genetik ve çevre etkileşiminin ne kadar karmaşık olduğunu gözler önüne seriyor. Politik ideolojinin sadece genetik veya sadece çevresel faktörlerle açıklanamayacağı, ikisinin etkileşiminin kritik rol oynadığı anlaşılıyor. Araştırma, biyoloji ve sosyal bilimler arasındaki köprüyü güçlendiren önemli bir veri sunuyor.

Araştırmacılar, moleküllerin elektronik yapısını hesaplamada kullanılan Auxiliary-Field Quantum Monte Carlo (AFQMC) yönteminde önemli bir gelişme kaydetti. Yeni yaklaşım, Coupled Cluster Singles and Doubles (CCSD) dalga fonksiyonlarını pertürbatif olarak işleyerek, hesaplama maliyetini önemli ölçüde düşürürken doğruluğu koruyor. Geliştirilen yöntem, küçük moleküllerden karmaşık geçiş metal komplekslerine kadar geniş bir spektrumda test edildi ve mevcut CCSD(T) yönteminden daha iyi performans gösterdi. Özellikle büyük sistemlerde boyut genişletilebilirlik avantajı sunan bu yaklaşım, uniform elektron gazı simülasyonlarında da başarılı sonuçlar verdi. Bu gelişme, kuantum kimyası hesaplamalarında daha büyük ve karmaşık sistemlerin incelenmesine olanak tanıyacak.

Petrol ve doğal gaz nakil hatlarının korunmasında kritik rol oynayan polimer kaplamaların zamanla nasıl bozulduğunu izlemek için yenilikçi bir teknik geliştirildi. Çelik boru hatları, agresif çevresel koşullarda korozyona uğramaya eğimli olduğundan, özel polimer kaplamalarla korunuyor. Ancak bu kaplamaların aşırı katodik koruma altında nasıl performans gösterdiğini anlamak, enerji altyapısının güvenliği açısından hayati önem taşıyor. Yeni geliştirilen ölçüm yöntemi, boru hatlarının bakım planlamasında ve uzun vadeli dayanıklılığının değerlendirilmesinde önemli bir araç olma potansiyeli taşıyor.

Kuantum bilgisayarlar gelecekte karmaşık moleküler etkileşimleri modelleyerek ilaç keşfi ve malzeme geliştirmede devrim yaratabilir. Ancak bu teknolojinin gerçek potansiyeline ulaşabilmesi için performansını engelleyen faktörlerin anlaşılması kritik öneme sahip. Yeni geliştirilen kuantum devre testleri, bu gelecek vaat eden sistemlerin performansını düşüren gizli faktörleri tespit etmeyi başardı. Bu keşif, kuantum bilgisayarların daha güvenilir ve etkili çalışması için önemli bir adım teşkil ediyor. Araştırmacılar, kuantum devrelerde meydana gelen bozulmaları daha detaylı analiz edebilme imkanına kavuştu.

Bilim insanları, bir joule'ün trilyonda birinin milyarda birinden daha küçük enerji miktarlarını ölçebilen yeni bir yöntem geliştirdi. Bu mikroskobik ölçüm tekniği, kuantum mekaniğinin temel yapı taşlarını daha hassas bir şekilde anlamamızı sağlıyor. Fotonlar gibi kütlesiz parçacıkların enerji düzeylerini bu kadar detaylı ölçebilmek, kuantum teknolojilerinde önemli ilerlemeler yaratacak. Aynı zamanda bu gelişme, uzayın derinliklerinde gizli kalan karanlık madde aksiyonlarını tespit etme konusunda da yeni olanaklar sunuyor. Ölçüm hassasiyetindeki bu çığır açan artış, hem kuantum bilgisayarların performansını artıracak hem de evrenin en gizemli parçacıklarını keşfetmemize yardımcı olacak.

Araştırmacılar, beynin beyincik ve korteks bölgeleri arasındaki işbirliğinden esinlenerek yeni bir yapay sinir ağı geliştirdi. Bu hibrit sistem, geleneksel yapay sinir ağlarına göre zamana bağlı görevleri çok daha hızlı öğreniyor ve daha yüksek performans sergiliyor. Çalışma, beyinciğin öğrenmedeki kilit rolünü ortaya koyuyor: korteks bölümü minimal eğitimden sonra sabitlendiğinde bile, beyincik benzeri modül tek başına üstün öğrenme verimliliği sağlayabiliyor. Bu bulgu, korteksin sabit bir rezervuar gibi çalışırken beyinciğin asıl öğrenme motorunu oluşturduğunu gösteriyor.

Araştırmacılar, beyin kayıtlarını işleyen yapay zeka modellerini sistematik olarak değerlendirmek için NeuralBench adlı birleştirici bir framework geliştirdiler. İlk sürümü olan NeuralBench-EEG v1.0, 36 elektroensefalografi (EEG) görevi, 14 derin öğrenme mimarisi ve 94 veri setini kapsıyor. Bu kapsamlı değerlendirme platformu, nörobilim ve yapay zeka alanlarında önemli bulgular ortaya koyuyor. Özellikle mevcut temel modellerin göreve özel modellerden yalnızca marjinal olarak daha iyi performans gösterdiği ve birçok görevde (bilişsel kod çözme, klinik tahmin gibi) hala iyileştirme ihtiyacı olduğu tespit edildi. Bu standardize edilmiş değerlendirme sistemi, beyin-bilgisayar arayüzü teknolojilerinin geliştirilmesinde önemli bir adım teşkil ediyor.

Araştırmacılar, demir bazlı katalizörlerin performansını önceden tahmin eden yorumlanabilir makine öğrenmesi çerçevesi geliştirdi. Bu yenilikçi yaklaşım, metan dönüşümü gibi enerji yoğun uygulamalarda kullanılan katalizörlerin keşif sürecini hızlandırabilir. Sistem, SHAP tabanlı özellik önem analizi ve ağaç tabanlı topluluk algoritmalarını birleştirerek, katalizörlerin elektronik yapı özelliklerini ve performans ilişkilerini başarıyla çözümleyebiliyor. Geleneksel deneme-yanılma yöntemlerinin pahalı ve zaman alıcı olması nedeniyle bu tür akıllı yaklaşımlar, katalizör geliştirme alanında büyük önem taşıyor. Çalışma özellikle metan kısmi oksidasyonu için Fe-zeolit ve oksit destekli katalizörlere odaklanıyor.