Araştırmacılar, dinamik sistemlerin kaotik davranışını anlamada kritik önem taşıyan Lyapunov üssünün süreklilik özelliklerini incelediler. Gevrey uzayında tanımlanan yarı-periyodik kokisikller ve özel frekans koşulları altında, bu matematiksel büyüklüğün sürekli olduğunu kanıtladılar. Bu keşif, karmaşık sistemlerin uzun vadeli davranışlarını tahmin etmede kullanılan temel araçların daha iyi anlaşılmasını sağlıyor. Çalışma, atmosfer dinamiğinden kuantum mekaniğine kadar birçok alanda uygulanan dinamik sistemler teorisine önemli katkıda bulunuyor.

Araştırmacılar, yapay zeka alanında önemli bir model olan Uzmanlar Karışımı (MoE) sistemlerinin matematiksel davranışını inceleyerek, uzman sayısı arttıkça sistemin nasıl evrimleştiğini keşfettiler. Çalışma, gradyan akışı ile eğitilen MoE modellerinin asimptotik davranışını analiz ediyor ve uzman sayısı sonsuza yaklaşırken "kaosun yayılması" fenomeninin ortaya çıktığını gösteriyor. Bu matematiksel keşif, özellikle kuantum sinir ağları için önemli uygulamalara sahip. Araştırma, model parametrelerinin ampirik ölçüsünün doğrusal olmayan süreklilik denklemi çözen bir olasılık ölçüsüne yaklaştığını ve bu yakınsama hızının sadece uzman sayısına bağlı olduğunu ortaya koyuyor.

Einstein'ın genel görelilik teorisi ile tanımladığı uzay-zaman kavramı, fizikçiler arasında sürekli araştırılan konuların başında geliyor. Dört boyutlu bir süreklilik olarak matematiksel açıdan tanımlanan uzay-zaman, üç boyutlu uzayı tek boyutlu zamanla birleştirerek fiziksel olayların gerçekleştiği sahneyi oluşturuyor. Yeni araştırmalar, 'donmuş yerçekimi' konsepti ile uzay-zaman dinamiklerinin evrimini anlamak için farklı bir perspektif sunuyor. Bu yaklaşım, yerçekiminin belirli koşullar altında nasıl davrandığını ve uzay-zamanın yapısının nasıl şekillendiğini daha iyi anlamamıza yardımcı olabilir. Çalışma, Einstein'ın teorilerinden bu yana süregelen araştırmaları yeni bir boyuta taşıyarak, uzay-zaman geometrisinin karmaşık yapısını çözmeye odaklanıyor.

Araştırmacılar, rastgele matris çarpımlarının davranışını analiz eden yeni bir matematiksel teori geliştirdi. GL(2,ℝ) ve daha yüksek boyutlu matris gruplarında Lyapunov üstellerinin düzenlilik özelliklerini nicel olarak belirleyen bu çalışma, dinamik sistemler ve matematiksel fizikte önemli uygulamalara sahip. Teori, matris sistemlerinin kararlılığını ve spektral özelliklerini daha kesin bir şekilde tahmin etmeye olanak tanıyor. Özellikle kompakt destekli ölçüler için açık formüllü Hölder üssü ve süreklilik modülü sağlayan bu yaklaşım, büyük sapma ilkelerini ve konsantrasyon eşitsizliklerini de içeriyor. Çalışma, rastgele dinamik sistemlerin analizinde yeni standartlar belirleyerek, fiziksel sistemlerin uzun vadeli davranışlarının matematiksel modellemesinde önemli gelişmeler sağlıyor.

Araştırmacılar, yapay zeka sistemlerinin zaman içinde anlamlı bağlamı koruma yeteneğini ölçen ilk kapsamlı değerlendirme çerçevesini geliştirdi. ATANT adlı bu sistem, AI'ların gerçekten 'hatırlayıp' öğrenip öğrenmediğini test ediyor. Günümüz AI teknolojilerinde hafıza bileşenleri mevcut olsa da, bunların gerçek süreklilik sağlayıp sağlamadığı belirsizdi. Yeni çerçeve, 7 temel özellik tanımlayarak ve 250 hikaye içeren test korpusu kullanarak bu boşluğu dolduruyor. Test sonuçları, gelişmiş mimarilerin %100'e varan başarı oranları gösterdiğini ortaya koyuyor.

Fizikçiler, iki boyutlu non-Hermitik sistemlerde daha önce görülmemiş bir kuantum durumu türü keşfetti. 'Süreklilik içinde cebirsel durumlar' (AIC) olarak adlandırılan bu yeni fenomen, yalnızca klasik olmayan kuantum sistemlerinde ortaya çıkabiliyor. Araştırmacılar, tek bir safsızlık içeren sistemlerde bu durumların nasıl oluştuğunu matematiksel olarak kanıtladı. Bu keşif, kuantum fiziğindeki geleneksel anlayışımızı genişletiyor ve foton tabanlı teknolojilerde yeni uygulamalar sunuyor. Çalışma, Hermitik olmayan sistemlerin beklenmedik davranışlar sergileyebileceğini gösteriyor.

Yapay zeka alanındaki en kritik mimari sorun, modelin boyutu değil, öğrendiklerini gelecek oturumlara taşıyacak bir katmanın eksikliği. Araştırmacılar, mevcut AI sistemlerinin oturum içinde güçlü olmasına rağmen, oturumlar arası amnezik davrandığını belirtiyor. Context pencereleri dolduğunda veya oturumlar sona erdiğinde, modeller önceki deneyimlerini kaybediyor ve her seferinde sıfırdan başlamak zorunda kalıyor. Bu durum, AI'ın gerçek potansiyelini sınırlıyor ve sürdürülebilir öğrenmeyi engelliyor. Yeni araştırma, 'süreklilik katmanı' adı verilen bir altyapının bu sorunu çözebileceğini öne sürüyor.

Araştırmacılar, klasik Öklid geometrisindeki konvekslik kavramını eğri uzaylara genişleten yeni bir matematiksel framework geliştirdiler. Bu çalışma, Riemannian manifoldlar üzerinde tanımlı sürekli fonksiyonlar için 'yarı-konvekslik' adı verilen yeni bir kavram sunuyor. Geliştirilen yöntem, integral fonksiyonellerin matematiksel davranışlarını karakterize etmeyi mümkün kılıyor ve özellikle zayıf topoloji altında alt yarı-süreklilik özelliklerini belirleme konusunda önemli ilerlemeler sağlıyor. Bu teorik gelişme, diferansiyel geometri ve fonksiyonel analiz alanlarında önemli uygulamalara sahip olabilir.

Araştırmacılar, mevcut yapay zeka hafıza değerlendirme sistemlerinin büyük bir eksikliği olduğunu ortaya koydu. ATANT v1.1 çalışması, LOCOMO, LongMemEval, BEAM gibi popüler benchmark'ların, yapay zeka sistemlerinde 'süreklilik' özelliğini düzgün ölçemediğini gösteriyor. Süreklilik için gerekli 7 özellikten ortalama sadece 0.43'ünü kapsayan bu testler, AI hafıza sistemlerinin gerçek performansını değerlendirmekte yetersiz kalıyor. Bu durum, uzun vadeli bellek gerektiren AI uygulamalarının geliştirilmesinde ciddi bir engel oluşturuyor.

Araştırmacılar, hibrit dinamik sistemlerin kontrolü için yeni gerçek zamanlı algoritmalar geliştirdi. Model tahmine dayalı kontrol (MPC) yöntemi, sürekli ve ayrık davranışları bir arada sergileyen sistemlerde karmaşık optimizasyon problemleri yaratıyor. Yeni çalışma, bu sistemlerin matematiksel tamamlayıcı kısıtlar içeren programlar olarak formüle edilmesini öneriyor. Geleneksel doğrusal olmayan programlama yaklaşımları, hibrit sistem geçişlerinde uygulanamaz hale gelebiliyordu. Bu sorunu çözmek için üç farklı gerçek zamanlı hibrit MPC şeması öneriliyor. Bu algoritmalar, her örneklem için tamamlayıcı kısıtlı karesel programlar çözerek MPC geri besleme yasasının yerel süreksiz parçalı afin yaklaşımlarını üretiyor. Çalışma ayrıca parametrik matematiksel programların süreklilik ve türevlenebilirlik özelliklerini de inceliyor.

Araştırmacılar, insan kafası görüntülerinde yüksek kaliteli yoğun karşılık bulma işlemini gerçekleştirebilen DenseMarks adlı yeni bir yapay zeka sistemi geliştirdi. Vision Transformer ağı kullanılan bu sistem, 2D insan kafası görüntülerindeki her piksel için 3D gömme vektörleri tahmin ediyor ve bunları kanonik bir küp uzayına yerleştiriyor. Sistem, çeşitli konuşan kafa videolarından toplanan nokta eşleştirme verileriyle eğitildi. Yüz işaretleri ve segmentasyon kısıtlarıyla desteklenen çok görevli öğrenme yaklaşımı, uzamsal süreklilik sağlayarak yorumlanabilir ve sorgulanabilir kanonik bir uzay oluşturuyor. Bu teknoloji, ortak semantik parçaları bulma, yüz/kafa takibi ve stereo rekonstrüksiyon uygulamalarında kullanılabiliyor.