“fizik yasaları” için sonuçlar
16 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Dinamik Sistemleri Daha İyi Öğrenmeye Başladı
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.
Yapay Zeka Ajanların Davranışlarını Fizik Yasalarıyla Çözümleyen Yeni Yöntem
Araştırmacılar, yapay zeka ajanlarının davranışlarını anlamak için fizik yasalarından ilham alan yenilikçi bir yöntem geliştirdi. Fokker-Planck Ters Pekiştirmeli Öğrenme (FP-IRL) adlı bu teknik, ajanların gözlemlenen hareketlerinden hem ödül sistemlerini hem de geçiş fonksiyonlarını eş zamanlı olarak çıkarabilir. Geleneksel yöntemlerin aksine, bu yaklaşım önceden belirlenen dinamik modellere ihtiyaç duymaz ve doğrudan trajectory verilerinden öğrenir. Yöntem, Markov karar süreçleri ile Fokker-Planck denklemleri arasındaki matematiksel bağlantıyı kullanarak, fizik temelli kısıtlamalar altında çalışır. Bu gelişme, robotik, otonom sistemler ve insan davranış modellemesi gibi alanlarda önemli uygulamalar sunabilir.
PiGGO: Karmaşık Yapıların Dijital İkizleri İçin Yeni Fizik Rehberli AI Sistemi
Araştırmacılar, karmaşık mühendislik yapılarının dijital ikizlerini daha güvenilir hale getiren yeni bir yapay zeka sistemi geliştirdi. PiGGO adlı bu sistem, fizik yasalarını graf sinir ağlarıyla birleştirerek, sınırlı sensör verisiyle bile yapıların gerçek zamanlı durumunu tahmin edebiliyor. Köprüler, gökdelenler gibi büyük yapıların izlenmesi ve bakımında devrim yaratabilecek bu teknoloji, hem fizik bilgisini hem de makine öğrenmesinin gücünü kullanarak belirsizliklerle başa çıkabiliyor. Sistem özellikle doğrusal olmayan dinamiklerin bulunduğu karmaşık durumlarda geleneksel yöntemlerden üstün performans gösteriyor.
Fizik Yasalarından İlham Alan Yapay Zeka: Hamiltoniyen Sistemlerde Hedef Bulma
Araştırmacılar, yapay zekanın daha az veriyle daha etkili öğrenmesi için doğanın kendi yapısından ilham almayı öneriyor. Yeni çalışma, klasik mekaniğin temelini oluşturan Hamiltoniyen sistemlerin matematiksel özelliklerini kullanarak, robotik ve kontrol sistemlerinde hedef bulma problemlerini çözmeye odaklanıyor. Geleneksel yaklaşımlar, doğrusal olmayan sistemlerde boyut arttıkça veri ihtiyacı üstel olarak artarken, fiziksel yasalardan türetilen bu yöntem çok daha az veri ile başarılı sonuçlar elde edebiliyor. Simplektik geometri ve enerji koruma ilkelerinin kullanıldığı bu yaklaşım, özellikle mekanik sistemlerin kontrolünde devrimsel değişiklikler getirebilir.
Fizik Yasalarını Öğrenen Yapay Zeka Video Üretiminde Çığır Açabilir
Araştırmacılar, gerçekçi videolar üreten yapay zekanın fizik yasalarını anlamadığı sorununa çözüm geliştirdi. Phantom adlı yeni sistem, video üretimi sırasında fiziksel dinamikleri de modelleyerek daha tutarlı ve gerçekçi hareketler yaratıyor. Mevcut video üretim modelleri görsel olarak etkileyici sonuçlar verse de, nesnelerin nasıl hareket etmesi gerektiğini fizik kurallarına göre hesaplayamıyor. Bu da gerçek dışı sahnelerin ortaya çıkmasına neden oluyor. Yeni yaklaşım, görsel içerikle birlikte gizli fiziksel özellikleri de çıkarımda bulunarak, hem görüntüyü hem de fiziksel dinamikleri eş zamanlı olarak tahmin ediyor.
Kuantum teknolojisi batarya ömrünü %99 doğrulukla tahmin ediyor
Araştırmacılar, batarya sağlık durumunu tahmin etmek için kuantum özellik haritalaması kullanan yenilikçi bir yapay zeka sistemi geliştirdi. QPINN adı verilen bu sistem, batarya sensör verilerini yüksek boyutlu Hilbert uzayına projekte ederek, geleneksel yöntemlerin yakalayamadığı karmaşık bozulma desenlerini tespit edebiliyor. Fizik yasalarıyla sınırlandırılmış sinir ağları kullanan sistem, farklı batarya türleri ve çalışma koşulları arasında genelleştirilebilir sonuçlar üretiyor. Ortalama %99.46 doğruluk oranıyla batarya sağlık durumu tahmini yapan teknoloji, enerji depolama sistemlerinin güvenilirliğini artırmaya yönelik önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Modellerinde 'Grokking' Fenomeninin Fizik Yasalarıyla Açıklanması
Yapay zeka araştırmacıları, derin öğrenme modellerinde yaşanan 'grokking' olayını - ezberleme durumundan genelleme yetisine ani geçiş - fizik yasalarıyla açıklayan yeni bir yöntem geliştirdi. TDU-OFC adlı bu teknik, gradyan verilerini çığ istatistiklerine dönüştürerek modellerin öğrenme sürecindeki kritik geçiş anlarını tespit ediyor. Transformer ve MLP modellerinde yapılan deneylerde, genelleme geçişinin tam olarak belirli bir boyutsal kritik noktada gerçekleştiği keşfedildi. Bu bulgu, yapay zekanın nasıl öğrendiğini anlamamızda önemli bir adım.
Yapay Zeka Fizik Yasalarını Az Veriyle Keşfediyor
Stanford ve MIT araştırmacıları, fiziksel sistemlerin dinamiklerini çok az ve gürültülü veriden öğrenebilen yeni bir yapay zeka modeli geliştirdi. Adaptif Simplektik Tekrarlayan Sinir Ağları (ASRNN) adlı bu model, sadece iki zaman noktasından oluşan verilerle bile karmaşık fiziksel sistemlerin uzun vadeli davranışlarını tahmin edebiliyor. Geleneksel makine öğrenmesi yöntemleri veri kıtlığında başarısız olurken, bu yeni yaklaşım Hamiltoniyen mekaniğin temel ilkelerini model mimarisine entegre ederek bu sorunu çözüyor. Sistem, sembolik matematik kullanarak fiziksel yasaları keşfedebilme özelliği de taşıyor.
Yapay Zeka ve Fizik Bir Arada: PINN Eğitim Sürecinin Matematiksel İç Yüzü
Fizik Bilgili Yapay Sinir Ağları (PINN), geleneksel yapay zeka ile fizik yasalarını birleştiren devrimci bir yaklaşımdır. Bu ağlar, fiziksel kuralları öğrenme sürecine dahil ederek daha güvenilir ve anlamlı sonuçlar üretir. Yeni bir çalışma, PINN'lerin nasıl eğitildiğini matematiksel detaylarıyla açıklayarak bu karmaşık süreci anlaşılır hale getirdi. Araştırmacılar, 22 parametreli örnek bir ağ kullanarak her hesaplamayı sayısal değerlerle gösterdi. Bu yaklaşım, mühendislik simülasyonlarından iklim modellemesine kadar pek çok alanda kullanılıyor. Çalışma, otomatik türev alma kütüphanelerinin gizlediği matematiksel işlemleri şeffaf hale getirerek, araştırmacıların bu teknolojiyi daha iyi anlamalarını sağlıyor.
Fizik ve Yapay Zeka Modellerini Birleştiren Yeni Kontrol Çerçevesi Geliştirildi
Araştırmacılar, fizik tabanlı modeller ile veri odaklı yapay zeka modellerini birleştiren yeni bir kontrol çerçevesi geliştirdi. Modern mühendislik sistemleri farklı modelleme yaklaşımları gerektiren karmaşık bileşenler içeriyor ve bazı alt sistemler sadece fizik yasalarıyla modellenemiyor. Bu çalışma, her iki yaklaşımı birleştirerek daha doğru ve kontrol edilebilir sistem modelleri oluşturmayı amaçlıyor. Geliştirilen dört adımlı metodoloji, fizik tabanlı mikro şebeke ve veri odaklı veri merkezi yük modeli üzerinde test edildi. Sonuçlar, birleştirilmiş sistemin kontrol özelliklerinin titizlikle değerlendirilebildiğini gösteriyor.
Fizik Bilgili Yapay Sinir Ağları İçin Yeni Geometrik Optimizasyon Yöntemi
Araştırmacılar, fizik yasalarını öğrenen yapay sinir ağlarının (PINN) eğitimindeki yavaş yakınsama ve kararsızlık sorunlarını çözmek için yeni bir optimizasyon yaklaşımı geliştirdi. Geleneksel optimizasyon algoritmalarına entegre edilebilen bu hafif çerçeve, kayıp fonksiyonunun geometrik özelliklerini dikkate alarak eğitim sürecini hızlandırıyor. Yöntem, ardışık gradyan farklarını kullanarak yerel geometrik değişimleri tespit ediyor ve buna göre adaptif düzeltmeler yapıyor. Çeşitli kısmi diferansiyel denklem problemlerinde test edilen sistem, mevcut yöntemlere göre daha hızlı yakınsama, kararlı eğitim ve yüksek çözüm doğruluğu sağladığını kanıtladı. Bu gelişme, fizik simülasyonlarından mühendislik problemlerine kadar geniş bir yelpazede PINN kullanımını daha verimli hale getirebilir.
Havacılık Görüntülerindeki Gölgeleri Fizik Yasalarıyla Temizleyen Yapay Zeka
Uydu ve havacılık görüntülerinde gölgeler, spektral bozulmalara ve bilgi kaybına neden olarak görüntü analizini zorlaştırıyor. Araştırmacılar, bu sorunu çözmek için fizik yasalarını temel alan yeni bir yapay zeka sistemi geliştirdi. AeroDeshadow adlı sistem, iki aşamalı bir yaklaşımla çalışıyor: önce fiziksel kuralları takip ederek sentetik gölgeli görüntüler üretiyor, sonra bu verilerle eğitilmiş özel bir ağ kullanarak gerçek görüntülerdeki gölgeleri temizliyor. Sistemin en önemli yeniliği, doğal görüntülerden farklı olarak havacılık görüntülerindeki yumuşak gölge geçişlerini (penumbra) doğru şekilde modelleyebilmesi. Bu teknoloji, uydu görüntülerinin analizi, harita çıkarımı ve çevresel izleme gibi alanlarda daha doğru sonuçlar elde edilmesine katkı sağlayacak.
PINNACLE: Fizik Tabanlı Yapay Zeka Modelleri İçin Yeni Açık Kaynak Çerçeve
Araştırmacılar, fizik yasalarını yapay zeka modellerine entegre eden PINN (Physics-Informed Neural Networks) teknolojisi için PINNACLE adlı kapsamlı bir açık kaynak platform geliştirdi. Bu yenilikçi çerçeve, klasik ve kuantum hesaplama yöntemlerini birleştirerek bilimsel problemlerin çözümünde önemli ilerlemeler sunuyor. Platform, çoklu GPU desteği, gelişmiş eğitim stratejileri ve modüler yapısıyla araştırmacılara elektromanyetik dalga yayılımından akışkanlar mekaniğine kadar geniş bir yelpazede fizik problemlerini çözme imkanı tanıyor. PINNACLE'ın sunduğu performans karşılaştırmaları ve ölçeklenebilirlik analizleri, bilimsel hesaplamalarda yapay zekanın kullanımını demokratikleştirmeyi hedefliyor.
Yapay Zeka ile Sera İklim Kontrolü: Gizliliği Koruyarak Enerji Tasarrufu
Araştırmacılar, sera işletmelerinin ticari sırlarını paylaşmadan birbirlerinden öğrenebileceği yeni bir yapay zeka sistemi geliştirdi. HierFedCEA adlı bu sistem, kontrollü tarım tesislerinin iklim verilerini gizli tutarken HVAC enerji tüketimini %30-38 oranında azaltabiliyor. Sistem, fizik yasalarından tesise özgü ekipman dinamiklerine kadar üç farklı seviyede öğrenme gerçekleştiriyor. Bu yaklaşım, yeni sera tesislerinin devreye alma süresini aylardan günlere indirgerken, işletmecilerin değerli tarım reçetelerinin gizliliğini de koruyor. Federe öğrenme ve diferansiyel gizlilik tekniklerini kullanan sistem, farklı tipteki seraların ortak bilgi havuzundan faydalanmasını sağlıyor.
Yapay zeka ile ekran görüntüleri duvardaki yansımalardan çıkarılabiliyor
Araştırmacılar, kapalı odadaki bilgisayar ekranlarının içeriğini fiziksel temasa geçmeden okuyabilen yeni bir siber saldırı yöntemi geliştirdi. IR4Net adlı yapay zeka sistemi, ekranlardan duvarlara yansıyan ışık desenlerini analiz ederek orijinal görüntüleri yeniden oluşturabiliyor. Bu teknik, güvenli kabul edilen izole ortamlardaki hassas bilgilerin bile sızdırılabileceğini gösteriyor. Sistem, fizik yasalarını makine öğrenmesi ile birleştiren yenilikçi bir yaklaşım kullanarak, ışığın yayılma özelliklerini matematiksel modeller haline getiriyor. Araştırma, siber güvenlik alanında yeni tehditler ortaya koyarken, aynı zamanda optik teknolojiler ve yapay zeka arasındaki sınırları zorluyor.
Yapay Zeka Fizik Simülasyonlarında Kararlılığı Koruma Sorunu Çözdü
Araştırmacılar, fiziksel sistemlerin dijital modellemesinde kararlılık ve yapısal özelliklerini koruyan yeni bir yapay zeka yaklaşımı geliştirdi. Port-Hamiltonian sistemler olarak bilinen bu matematiksel modeller, robotik, enerji sistemleri ve kontrol mühendisliğinde kritik öneme sahip. Geleneksel yöntemler tek bir denge noktasını koruyabilirken, yeni teknik birden fazla kararlı denge durumunu aynı anda muhafaza edebiliyor. Bu breakthrough, yapay zekanın fizik yasalarına uygun simülasyonlar yapmasında önemli bir adım.