“Stanford” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Kontrollü Yangınlar Hava Kirliliğini Yıllarca Azaltabiliyor
Stanford Üniversitesi araştırmacılarının yeni çalışması, kontrollü yakma yönteminin beklenenden çok daha geniş kapsamlı faydalar sağladığını ortaya koyuyor. Kaliforniya'da yılda 500.000 dönüm iğne yapraklı ormanda yapılacak kontrollü yakma işlemlerinin, on yıl boyunca orman yangını kaynaklı hava kirliliğini %10 oranında azaltabileceği hesaplandı. Araştırma, kontrollü yangınların etkilerinin sadece yakma alanlarıyla sınırlı kalmadığını, kilometrelerce uzağa kadar temiz hava sağladığını gösteriyor. Bu yöntem, doğal yangınların neden olduğu ölümcül duman kirliliğine karşı etkili bir önlem olarak değerlendiriliyor.
Basit U-Net Modeli Hava Durumu Tahmininde Devrim Yaratıyor
Stanford araştırmacıları, hava durumu tahmininde yeni bir çığır açan U-Cast adlı yapay zeka modelini geliştirdi. Geleneksel karmaşık modellerin aksine, standart U-Net mimarisi kullanan bu sistem, mevcut en gelişmiş modellerin performansını yakalayarak 10 kat daha az hesaplama gücü gerektiriyor. Model, önce deterministik eğitim sonra kısa süreli olasılıksal ince ayar yaparak, 15 günlük hava tahmini sağlıyor. GenCast ve IFS ENS gibi lider sistemlerle yarışan sonuçlar elde eden U-Cast, yalnızca 12 H200 GPU-gününde eğitiliyor. Bu başarı, AI tabanlı hava tahmini alanında karmaşıklığın her zaman gerekli olmadığını kanıtlayarak, daha erişilebilir ve verimli çözümler için kapı açıyor.
Yapay Zeka Asistanları Kaliforniya'nın Su Kaynaklarını Öngörüyor
Stanford araştırmacıları, Kaliforniya'nın Sierra Nevada dağlarındaki kar erimesi ve su akışını tahmin etmek için yenilikçi bir yapay zeka sistemi geliştirdi. Milyonlarca Kaliforniyalının su kaynağını oluşturan kar erimesi, iklim değişikliği nedeniyle değişen desenlere sahip. Bu durum, geçmiş verilere dayanan geleneksel tahmin yöntemlerini yetersiz kılıyor. Yeni sistem, büyük dil modelleriyle çalışan AI asistanları kullanarak ilgili veri setlerini keşfediyor, bilimsel literatürden alan bilgisini sentezliyor ve otomatik kod geliştirme sistemiyle işbirliği yapıyor. Bu yaklaşım, mevsimlik su akışı tahminlerinde rekabetçi sonuçlar üretiyor ve değişen iklim koşullarına uyum sağlayabiliyor.