Afrikalı bilim insanları, Atlantik havzasındaki kasırgaların nasıl oluştuğunu anlamak için yeni bir yaklaşım geliştirdi. Çalışma, Afrika kaynaklı siklonal girdapların tropikal Atlantik üzerindeki dinamiklerini inceliyor. Bu girdaplar, Afrika Doğu Dalgaları çukurlarından oluşuyor ve derin konvektif aktivitelerle iç içe geçiyor. Araştırmacılar, Met Office Birleşik Model kullanarak üç farklı bir yıllık küresel kilometre ölçekli simülasyon gerçekleştirdi. Objektif takip algoritmaları ile tohum girdapları, doğu dalgaları, tropikal siklonlar ve Mezölçekli Konvektif Sistemler bağımsız olarak tanımlandı. Bu çalışmanın önemi, Atlantik kasırgalarının oluşumunu sağlayan tohum popülasyonlarının dinamiklerini anlamamızda yatıyor. Özellikle hangi girdapların siklogenez sürecine girdiğini ayırt eden işlemlerin belirlenmesi, kasırga tahminleri için kritik önem taşıyor.

Araştırmacılar, VCSEL lazer dizilerinde kısa optik darbeler kullanarak sistemin farklı kararlı durumlar arasında yönlendirilebileceğini gösterdi. Lang-Kobayashi modellerini kullanarak 2 ve 3 lazerlik dizilerde yapılan çalışma, Gauss şeklindeki ışık darbelerinin uygun frekans sapması ve genlik seçimiyle sistemin istenen kararlı duruma geçirilebileceğini ortaya koydu. Bu yöntem, darbe uygulandıktan sonra seçilen durumun sürekli zorlama olmadan korunabilmesini sağlıyor. Gürültü varlığında bile etkili olan bu teknik, küçük çekim havzasına sahip dalların gürültü tarafından kararsızlaştırıldığını da gösterdi. Bulgular, çoklu kararlı VCSEL dizilerinde çekici seçimi için darbe enjeksiyonunun pratik bir mekanizma olduğunu doğruluyor.

Amerikalı araştırmacılar, tarımsal su havzalarındaki günlük su akışı ve azot dinamiklerini tahmin etmek için HydroGraphNet adlı yenilikçi bir yapay zeka sistemi geliştirdi. Bu sistem, geleneksel derin öğrenme modellerinin veri kıtlığı durumlarında yaşadığı mekânsal genelleme sorunlarını çözmek için tasarlandı. HydroGraphNet, süreç tabanlı bilgileri ve açık mekânsal öğrenmeyi zamansal modelleme ile birleştiren graf makine öğrenmesi çerçevesi kullanıyor. Bu yaklaşım, tarımsal havzaların hassas yönetimi için kritik olan su akışı ve azot ihracı dinamiklerinin mekânsal olarak dağıtılmış tahminlerini mümkün kılıyor. Sistem, özellikle veri eksikliğinin yaşandığı bölgelerde güvenilir sonuçlar üretebiliyor ve bu özelliği onu mevcut temporal derin öğrenme modellerinden ayırıyor.