“mutasyon” için sonuçlar
6 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Kuantum makine öğrenmesi modellerinde hata tespiti için yeni test yöntemi
Araştırmacılar, kuantum makine öğrenmesi modellerindeki hataları tespit etmek için 'mutasyon testleri' adlı yeni bir yöntem geliştirdi. Bu teknik, kuantum sinir ağlarına kasıtlı hatalar enjekte ederek sistemin güvenilirliğini değerlendiriyor. Kuantum bilgisayarlar ve makine öğrenmesinin birleştiği bu alanda, karmaşık özellikleri klasik modellerden daha az parametre ile öğrenebilen sistemler geliştirilmekte. Ancak artan karmaşıklık beraberinde hata riski de getiriyor. Bu çalışma, kuantum devrelerine planlı şekilde arızalar yerleştirerek test sistemlerinin ne kadar dayanıklı olduğunu ölçmeyi amaçlıyor. Yöntem, özellikle kuantum sinir ağı modellerinde tasarım özelliklerine uygunluğu ve hatasız çalışmayı doğrulamaya odaklanıyor. Bu gelişme, kuantum makine öğrenmesi uygulamalarının güvenilirliğini artırmada önemli bir adım.
Kuantum Bilgisayarlar İçin Yeni Araç Rotalama Algoritması Geliştirildi
Araştırmacılar, kuantum bilgisayarlarda araç rotalama problemini çözmek için yenilikçi bir yaklaşım geliştirdi. Kapasiteli araç rotalama problemi (CVRP) için tasarlanan bu yöntem, renkli permütasyon kodlaması kullanarak kuantum bitlerinin (qubit) daha verimli kullanılmasını sağlıyor. Geleneksel kuantum yaklaşımlarından farklı olarak, bu sistem ek mantıksal qubit gerektirmeden araç kapasitelerini kontrol edebiliyor. Bu gelişme, lojistik ve taşımacılık sektöründe kuantum avantajının gerçekleşmesi için önemli bir adım olarak değerlendiriliyor.
Kuantum Sonrası Şifreleme Donanımlarında Güvenlik Açığı Tespit Edildi
Araştırmacılar, kuantum bilgisayarlara karşı geliştirilmiş olan ML-DSA ve ML-KEM şifreleme algoritmalarını çalıştıran Adams Bridge donanım hızlandırıcısında önemli güvenlik zafiyetleri keşfetti. Bu donanım, güç analizi saldırılarına karşı korunma için maskeleme ve karıştırma tekniklerini kullanıyor ancak analiz, sistemin iddia edilen güvenlik seviyesinin gerçekte çok daha düşük olduğunu ortaya koydu. Özellikle Random Start Index karıştırma yönteminin, tam rastgele permütasyon yerine katı sınırlı entropi sağladığı belirlendi. Bu bulgu, kuantum sonrası kriptografi donanımlarının yan kanal saldırılarına karşı daha güçlü koruma mekanizmalarına ihtiyacı olduğunu gösteriyor.
RankUp: Büyük Ölçekli Reklam Öneri Sistemlerinde Yeni Dönem
Araştırmacılar, büyük ölçekli reklam öneri sistemlerinde karşılaşılan önemli bir sorunu çözmek için RankUp adını verdikleri yeni bir mimari geliştirdiler. Mevcut sistemlerde model derinliği artırıldığında, temsil kapasitesinin beklenenin aksine düştüğü gözlemlenmişti. Bu durum, derin katmanlarda veri temsilinin etkisizleşmesi anlamına geliyordu. RankUp mimarisi, rastgele permütasyon bölme, çoklu gömme paradigması ve global token entegrasyonu gibi yenilikçi yaklaşımlarla bu sorunu aşmayı hedefliyor. Sistem, büyük ölçekli üretim ortamında tam olarak devreye alınmış durumda. Bu gelişme, özellikle dijital reklamcılık sektörü için önemli performans artışları vaat ediyor.
Fraktal Yapılardan İlham Alan Yapay Zeka Mimarisi Geliştirme Sistemi Tanıtıldı
Araştırmacılar, doğanın fraktal yapılarından esinlenerek yapay sinir ağları tasarlayan yenilikçi bir sistem geliştirdi. FractalNet adlı bu sistem, büyük dil modellerinin analizi ve geliştirilmesi için otomatik mimari keşif süreci sunuyor. Sistem, konvolüsyon, normalizasyon, aktivasyon ve dropout katmanlarının sistematik permütasyonları ile 1.200'den fazla farklı sinir ağı varyantı oluşturabiliyor. Fraktal şablonlar sayesinde modeller hem derinlik hem genişlik açısından dengeli bir şekilde büyüyebiliyor. CIFAR-10 veri setinde yapılan testlerde, fraktal tabanlı mimarilerin hem güçlü performans sergilediği hem de hesaplama açısından verimli olduğu görüldü.
BranchBench: Yapay Zeka Ajanları İçin Yeni Veritabanı Değerlendirme Sistemi
Araştırmacılar, otonom yapay zeka ajanlarının ihtiyaçları doğrultusunda özel olarak tasarlanmış dallanabilir veritabanlarını değerlendirmek için BranchBench adında yeni bir ölçüt sistemi geliştirdi. Geleneksel veritabanı yönetim sistemleri, yapay zeka ajanlarının spekülatif değişiklikler yapması ve doğrusal olmayan durum keşfi gereksinimleriyle başa çıkmakta yetersiz kalıyor. Bu sistem, yazılım mühendisliği, hata reproduksiyonu, veri küratörlüğü, Monte Carlo ağaç arama ve simülasyon gibi beş farklı yapay zeka iş yükünü karakterize ediyor ve dal-mutasyon-değerlendirme döngülerini yansıtan parametreli makro testler tasarlıyor.