“hesaplama maliyeti” için sonuçlar
110 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Çatlak İçeren Gözenekli Malzemeler İçin Yeni Simülasyon Yöntemi
Araştırmacılar, çatlaklar ve kırıklar içeren gözenekli malzemelerin davranışını simüle etmek için yenilikçi bir hesaplama yöntemi geliştirdi. 'Kaydırılmış arayüz' yaklaşımı olarak adlandırılan bu teknik, yer altı jeomekaniği, biyomekanik ve malzeme biliminde karşılaşılan karmaşık yapıları modellemede büyük kolaylık sağlıyor. Geleneksel yöntemler, çatlakların bulunduğu gözenekli malzemelerde sıvı basıncı ve yapısal deformasyon arasındaki karmaşık etkileşimleri simüle etmekte zorlanıyor ve pahalı, zaman alıcı mesh oluşturma süreçleri gerektiriyordu. Yeni yaklaşım, gerçek çatlakları surrogate yaklaşımlarla değiştirerek bu sorunları aşıyor ve hesaplama maliyetini önemli ölçüde düşürüyor.
Yapay Zeka Kod Üretiminde Yeni Yöntem: Fonksiyonel Çoğunluk Oylaması
Araştırmacılar, büyük dil modellerinin kod yazma başarısını artıran yeni bir teknik geliştirdi. Fonksiyonel Çoğunluk Oylaması (FMV) adı verilen bu yöntem, yapay zekanın ürettiği birden fazla kod çözümü arasından en uygun olanını seçmek için fonksiyonel konsensüs yaklaşımını kullanıyor. Sistem, farklı kod çözümlerini test girdileri üzerinde çalıştırarak çalışma zamanı imzalarını karşılaştırıyor ve en temsili çözümü belirliyor. LiveCodeBench platformunda yapılan testlerde FMV'nin performansı önemli ölçüde artırdığı, ancak hesaplama maliyetini fazla yükseltmediği görüldü. Ayrıca araştırmacılar bu tekniği Test-Zamanı Pekiştirmeli Öğrenme için de uyarladılar ve belirli görevlerde başarı oranını artırdıklarını gözlemlediler.
Kısa Paket İletiminde Yeni Kodlama Yöntemi Geliştirme
Araştırmacılar, kısa paket iletimi için kullanılan seyrek VLSF kodlarının performansını artıran yeni bir optimizasyon çerçevesi geliştirdi. Saddlepoint yaklaşımı adı verilen matematiksel yöntem kullanılarak oluşturulan bu sistem, kod çözme parametrelerini birlikte optimize ederek daha verimli sonuçlar elde ediyor. Geliştirilen yöntem, gürültülü kanal, ikili simetrik kanal ve ikili silme kanalı gibi yaygın iletişim kanallarında başarıyla test edildi. Araştırma ekibi ayrıca geleneksel sabit eşik kuralını genişleten gelişmiş bir kod çözme kuralı önerdi. Bu yeni yaklaşım, daha düşük hesaplama maliyetiyle neredeyse optimal sonuçlar elde etmeyi mümkün kılıyor ve mevcut yöntemlerin sınırlarını aşarak iletişim sistemlerinin verimliliğini artırmaya katkı sağlıyor.
Küçük Cihazlar İçin Yapay Zeka: Yeni Hızlandırma Yöntemi Geliştirildi
Araştırmacılar, akıllı saatler ve IoT sensörleri gibi küçük cihazlarda çalışan yapay zeka uygulamaları için yeni bir optimizasyon yöntemi geliştirdi. TinyML olarak bilinen bu alanda, sınırlı kaynaklara sahip cihazlarda yapay zeka modellerinin çalıştırılması büyük zorluk teşkil ediyor. Yeni yaklaşım, hesaplama maliyeti yüksek olan çarpma işlemlerini daha verimli kaydırma ve toplama işlemleriyle değiştirerek performansı artırıyor. Özellikle hassas verilerle çalışan uygulamalarda, eğitim veri setine ihtiyaç duymadan önceden eğitilmiş modelleri optimize edebilmesi önemli bir avantaj sağlıyor. Bu gelişme, sağlık monitörleri, akıllı ev cihazları ve giyilebilir teknolojiler gibi alanlarda yapay zekanın daha yaygın kullanımına kapı açabilir.
Yapay Zeka ile Akışkan Dinamiği: Navier-Stokes Denklemlerini Kontrol Etmenin Yeni Yolu
Bilim insanları, akışkan akışını kontrol etmek için kullanılan karmaşık Navier-Stokes denklemlerini yapay zeka destekli yöntemlerle yönetmenin yeni bir yolunu geliştirdi. Receding Horizon Control (RHC) adı verilen bu yaklaşım, akışkanların istenilen yörüngelerde hareket etmesini sağlayarak mühendislik uygulamalarında devrim yaratabilir. Araştırmacılar, hesaplama maliyetini büyük ölçüde azaltan model boyut küçültme tekniği kullanarak sistemin performansını korumuş. Bu gelişme, hava taşıtlarının aerodinamik kontrolünden endüstriyel akışkan sistemlerine kadar geniş bir uygulama alanına sahip.
SignX: İşaret dilini anlayan yapay zeka sistemi geliştirildi
Araştırmacılar, işaret dili videolarını sürekli olarak tanıyabilen yeni bir yapay zeka sistemi geliştirdi. SignX adlı bu sistem, farklı vücut pozu formatlarını tek bir kompakt temsilte birleştirerek işaret dilini daha verimli şekilde işliyor. Sistem, ham videolardan doğrudan pose bilgilerini çıkaran Vision Transformer tabanlı bir modül ve zaman modellemesi kullanıyor. Bu yaklaşım, işaret dili tanıma alanında önemli bir adım olarak değerlendiriliyor çünkü hem doğruluğu artırıyor hem de hesaplama maliyetini düşürüyor. İşaret dili kullanan topluluklar için daha erişilebilir teknolojilerin geliştirilmesine katkı sağlayabilir.
Hareketli Hedefleri Yakalayan Robot Filosu İçin Yeni Optimizasyon Algoritması
Araştırmacılar, hareketli hedefleri yakalamak için çalışan robot filosunun rotalarını optimize eden yeni bir algoritma geliştirdi. MT-VRP-O olarak adlandırılan bu problem, birden fazla robotun engelleri aşarak ve zaman kısıtları içinde hareket eden hedeflere ulaşmasını gerektiriyor. Geliştirilen Lazy BPRC algoritması, robotların hız ve kapasite sınırlarını da göz önünde bulundurarak en optimal çözümü buluyor. Bu teknoloji, kargo dağıtımından askeri operasyonlara, arama-kurtarma görevlerinden otonom araç koordinasyonuna kadar geniş bir uygulama alanına sahip. Algoritma, sınırlı tur seçenekleri arasından en uygununu belirleyerek hesaplama maliyetini düşürürken, optimal sonuçları garanti ediyor.
Veri Tabanlı Kontrolde Yeni Matematiksel Yöntem: Elipsoit Toplamları
Araştırmacılar, veri tabanlı kontrol sistemlerindeki belirsizlikleri modellemek için kullanılan matris elipsoidlerinin Minkowski toplamlarını daha verimli şekilde yaklaştıran yeni bir yöntem geliştirdi. Geleneksel lineer matris eşitsizliği (LMI) tabanlı yöntemlerin hesaplama maliyeti veri uzunluğuyla quadratik olarak artarken, yeni yaklaşım bu sorunu çözüyor. Özellikle otonom araçlar, robotik ve endüstriyel otomasyon gibi alanlarda kullanılan dayanıklı kontrol sistemlerinde önemli iyileştirmeler sağlayabilir. Çalışma, belirsizliklerin tek bir elipsoidal küme yerine birden fazla elipsoidin toplamı olarak modellendiği durumlar için optimize edilmiş çözümler sunuyor.
Yapay zeka modelleri artık akıllıca düşünmeyi öğreniyor: ORBIT sistemi geliyor
Büyük yapay zeka modelleri güçlü performans sergilemek için uzun düşünce zincirleri kullanıyor, ancak bu her zaman gereksiz hesaplama maliyeti yaratıyor. Stanford ve diğer kurumlardan araştırmacılar, yapay zekanın ne kadar 'düşüneceğini' akıllıca belirleyen ORBIT sistemini geliştirdi. Bu yenilikçi yaklaşım, AI modellerinin farklı zorluk seviyelerindeki problemler için en uygun düşünce stratejisini seçmesine olanak tanıyor. Sistem, pekiştirmeli öğrenme kullanarak her çaba seviyesi için en verimli çözüm yollarını keşfediyor ve kullanıcıların maliyet-doğruluk dengesini istedikleri gibi ayarlamalarına imkan veriyor. Bu gelişme, AI sistemlerinin daha verimli ve esnek hale gelmesinde önemli bir adım.
Yeni dikkat mekanizması yapay zekânın uzun metinlerdeki performansını artırıyor
Araştırmacılar, büyük dil modellerinin uzun metinlerle çalışırken yaşadığı temel sorunları çözen yeni bir dikkat mekanizması geliştirdi. Threshold Differential Attention (TDA) adlı bu yöntem, geleneksel softmax dikkatinin yapısal sınırlarını aşarak, modellerin gereksiz kelimelere odaklanmasını engelliyor ve uzun dizilerde daha verimli çalışmasını sağlıyor. Klasik yöntemlerde dikkat dağılımının toplamı bir olması gerektiği için, model bazen ilgisiz kelimelere de dikkat ayırmak zorunda kalıyor. TDA ise sadece belirli bir eşiği aşan önemli kelimelere odaklanarak hem hesaplama maliyetini düşürüyor hem de performansı artırıyor.
Yapay Zeka Değerlendirmesinde Devrim: Tek Seferde Çoklu Yanıt Puanlama
Araştırmacılar, yapay zeka modellerinin ürettiği yanıtları değerlendirmek için yeni bir yöntem geliştirdi. Geleneksel sistemler her yanıtı ayrı ayrı inceleyerek zaman kaybına neden olurken, yeni yaklaşım birden fazla yanıtı tek seferde karşılaştırıp puanlayabiliyor. Bu yöntem, yanıtları özel ayırıcı tokenlarla birleştirerek doğrudan karşılaştırmalı akıl yürütme imkanı sunuyor. Sistem, N adet yanıt için N kat hızlanma ve hesaplama maliyetinde ciddi azalma sağlıyor. Araştırma kapsamında iki yeni benchmark oluşturuldu: MR²Bench-Image görsel içerik için 8 farklı modelin yanıtlarını insan değerlendirmeleriyle karşılaştırırken, MR²Bench-Video 94 bin kişinin video tabanlı soru-cevap değerlendirmelerinden oluşuyor. Bu gelişme, yapay zeka modellerinin performansını daha hızlı ve verimli değerlendirme imkanı sunarak, AI sistemlerinin geliştirilmesini hızlandırabilir.
Yapay Zeka Kanser Raporlarını Otomatik Analiz Ediyor
Araştırmacılar, meme kanseri patoloji raporlarını otomatik olarak analiz edebilen yeni bir yapay zeka sistemi geliştirdi. Llama-3 tabanlı bu sistem, 10.677 uzman onaylı rapor üzerinde eğitildi ve kanser evrelemesi ile biyobelirteç bilgilerini %97.6 doğrulukla çıkarabildi. Geleneksel yöntemlerin zorlandığı karmaşık tıbbi terminoloji ve farklı rapor formatlarını başarıyla çözen sistem, düşük hesaplama maliyetiyle çalışıyor. LoRA tekniği kullanılarak optimize edilen model, hastane kayıtlarının büyük ölçekli analizini mümkün kılacak. Bu gelişme, kanser tedavisinde hızlı ve standart veri işleme imkanı sunuyor.
Boyut Azaltma Teknikleri Optimizasyon Problemlerinin Özelliklerini Koruyor mu?
Yapay zeka ve optimizasyon alanında önemli bir soruya odaklanan yeni araştırma, yüksek boyutlu problemlerin analizinde kullanılan boyut azaltma tekniklerinin etkinliğini sorguluyor. Keşifsel Peyzaj Analizi (ELA), karmaşık optimizasyon problemlerini sayısal özelliklerle karakterize etmek için kullanılan güçlü bir yöntem. Ancak yüksek boyutlu problemlerde hesaplama maliyeti ve veri seyrekliği gibi zorluklarla karşılaşıyor. Bu durumda araştırmacılar sıklıkla rastgele projeksiyon yöntemleriyle boyut azaltmaya başvuruyor. Fakat bu yaklaşımın orijinal problemin temel özelliklerini ne kadar koruduğu belirsizdi. Yeni çalışma, Rastgele Gauss Gömmeleri kullanarak boyut azaltmanın ELA özelliklerini nasıl etkilediğini kapsamlı şekilde inceliyor.
Büyük dil modellerini eğitmenin yeni yolu: TLoRA+ ile daha verimli yapay zeka
Araştırmacılar, büyük dil modellerinin belirli görevler için eğitimini daha verimli hale getiren TLoRA+ adlı yeni bir yöntem geliştirdi. Bu teknik, modellerin performansını artırırken hesaplama maliyetini minimum düzeyde tutuyor. ChatGPT ve benzeri büyük dil modellerinin özelleştirilmesi için kullanılan mevcut LoRA yöntemini geliştiren bu yaklaşım, daha az kaynak kullanarak daha iyi sonuçlar elde etmeyi mümkün kılıyor. GLUE benchmark testlerinde yapılan denemeler, yöntemin farklı model mimarilerinde tutarlı bir şekilde başarılı olduğunu gösterdi. Bu gelişme, yapay zeka modellerinin daha geniş kitlelere ve küçük şirketlere açılması açısından önemli bir adım olarak değerlendiriliyor.