“makine öğrenimi” için sonuçlar
14 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Destekli Kataliz Modellerinde Devrim: MACE Potansiyelleri
Bilim insanları, katalitik reaksiyonları modellemek için kullanılan makine öğrenimi tabanlı atomik potansiyelleri sistematik olarak iyileştirmenin yollarını araştırdı. MACE (Çok Atomlu Kümelenmiş Genişletme) potansiyellerinin farklı eğitim stratejileriyle nasıl optimize edilebileceğini inceleyen çalışma, CO₂'nin indirgenmesi, propan dehidrojenasyonu ve hidrojen interkalasyonu gibi 141 farklı reaksiyonu analiz etti. Araştırma, sıfırdan eğitim ile büyük temel modellerin ince ayarını karşılaştırarak, hangi yaklaşımların daha iyi sonuç verdiğini ortaya koydu. Bu gelişme, kataliz alanında hesaplamalı kimyanın hızını ve doğruluğunu artırarak, yeni katalizörlerin tasarımında önemli ilerlemeler sağlayabilir.
Beyin tümörü ameliyatı öncesi nöral haritalar hafıza kaybını öngörebiliyor
Araştırmacılar, beyin tümörü ameliyatı öncesinde çekilen beyin görüntülerinin, hastanın ameliyat sonrası çalışma hafızası performansını tahmin edebileceğini keşfetti. Çalışmada, tümörün neden olduğu beyin aktivitesi değişiklikleri analiz edilerek, ameliyat öncesi nöral enerji haritaları çıkarıldı. Bu haritalar sayesinde hangi hastaların ameliyat sonrası hafıza problemleri yaşayabileceği önceden belirlenebildi. Düşük hafıza performansı gösteren hastalarda, beyin bölgeleri arasındaki geçişler daha az ama daha şiddetli olurken, yüksek performans gösteren hastalarda geçişler daha sık ama daha yumuşak gerçekleşti. Bu bulgular, beyin cerrahisi öncesi risk değerlendirmesi için yeni bir yöntem sunuyor.
Kuantum Dolanıklığın Sadece Yarısı: Yapay Zeka ile Kuantum Bilgisayarlar Birleşiyor
Araştırmacılar, kuantum bilgisayarlar ve yapay zeka arasında köprü kuran hibrit bir model geliştirdi. Tensör ağları adı verilen matematiksel yapılar, geleneksel olarak kuantum sistemleri simüle etmek için kullanılırken, son yıllarda makine öğrenimi alanında da ilgi görüyor. Yeni çalışma, bu iki alanın deneyimlerini birleştirerek, kuantum kısıtlamaların tensör ağlarının yeteneklerini nasıl değiştirdiğini ortaya koyuyor. Hibrit mimari, klasik ve kuantum tensör ağları arasında geçiş yapabilen pratik bir çerçeve sunuyor. Bu geçişin anahtarı 'post-seçim' adı verilen özellikte yatıyor ve araştırmacılar bunun seviyesini kontrol eden yeni bir hiperparametre öneriyor. Bu yaklaşım, kuantum bilgisayarların yapay zeka uygulamalarında daha etkili kullanılmasının yolunu açabilir.
Kalp hastalıklarında kişiselleştirilmiş tedavi için yeni yapay zeka algoritması
Araştırmacılar, kalp hastalarına kişiselleştirilmiş tedavi sunmak için CHESRA adlı yeni bir yapay zeka algoritması geliştirdi. Bu sistem, karmaşık kalp dokularının mekanik davranışlarını modellemek için fizik yasalarını ve makine öğrenimini birleştiriyor. Geleneksel yöntemler çok fazla parametre kullanarak karmaşık hesaplamalar gerektirirken, CHESRA sadece 3-4 parametre ile daha basit ve doğru modeller üretiyor. Algoritma, birden fazla deneysel veri kaynağından otomatik olarak basit enerji fonksiyonları türetiyor ve hem laboratuvar testlerinde hem de 3 boyutlu simülasyonlarda mevcut teknolojilerden daha tutarlı sonuçlar veriyor. Bu gelişme, dijital kalp ikizleri teknolojisinin klinik uygulamalarda daha etkili kullanılmasının önünü açıyor.
L2RU: Yapay Zeka Modellerinde Kararlılık Sorunu Çözüme Kavuştu
Araştırmacılar, uzun veri dizilerini işlemede kullanılan yapısal durum-uzay modellerinin (SSM) en büyük sorunu olan kararlılık ve dayanıklılık eksikliğini çözen yeni bir mimari geliştirdi. L2RU adındaki bu yenilik, makine öğrenimi ile kontrol teorisini birleştirerek, tüm parametre değerlerinde matematiksel olarak garantili kararlılık sağlıyor. Geleneksel yapay sinir ağlarının ifade gücünü koruyan bu yaklaşım, aynı zamanda dinamik sistemlerin yorumlanabilirlik avantajlarını da sunuyor. Sistem tanımlama ve optimal kontrol gibi kritik uygulamalarda güvenilir çözümler üretebilen model, hesaplama verimliliğini de koruyor. Bu gelişme, özellikle otonom sistemler ve endüstriyel kontrol uygulamalarında güvenilirlik gerektiren alanlarda çığır açıcı olabilir.
Akıllı Telefon ile Çello Duruşu Analizi: Yapay Zeka Müzik Eğitiminde
Araştırmacılar, çello öğrencilerinin duruşlarını gerçek zamanlı olarak değerlendiren yenilikçi bir sistem geliştirdi. 'Cello Evaluator' adlı bu uygulama, sadece bir Android telefon kullanarak müzisyenlerin postürlerini analiz edebiliyor. Geleneksel yöntemler pahalı donanım ve karmaşık sensör sistemleri gerektirirken, bu sistem bilgisayarlı görü ve makine öğrenimi teknolojilerini kullanarak herkesin erişebileceği bir çözüm sunuyor. Özellikle haftalık derslerin arasında yeterli geri bildirim alamayan öğrenciler için büyük önem taşıyan bu gelişme, kas-iskelet sistemi yaralanmalarını önlemeye ve teknik verimliliği artırmaya yardımcı olabilir.
Yapay Zeka Ajanları Artık 'Hayatta Kalma' Modeliyle Hedef Öğrenecek
Araştırmacılar, yapay zeka ajanlarının hedef odaklı öğrenmesini geliştirmek için 'hayatta kalma öğrenimi' adında yenilikçi bir yaklaşım geliştirdi. Geleneksel pekiştirmeli öğrenme yöntemlerinin kararsızlık ve verimsizlik sorunlarına alternatif olarak sunulan bu yöntem, bir hedefe ulaşma süresini olasılık dağılımı olarak modelliyor. SVL (Survival Value Learning) adlı bu yaklaşım, tıp alanında kullanılan hayatta kalma analizinden ilham alıyor ve AI ajanlarının hedeflerine ulaşma sürecini daha kararlı bir şekilde öğrenmelerini sağlıyor. Yöntem, hem tamamlanmış hem de yarıda kesilmiş görev deneyimlerinden öğrenebiliyor.
Kuantum Destekli Yapay Zeka ile Doğrusal Olmayan Dinamiklerin Keşfi
Araştırmacılar, doğrusal olmayan dinamik sistemleri analiz etmek için kuantum özellik haritalarını kullanan Q-SINDy adlı yeni bir yöntem geliştirdi. Bu hibrit yaklaşım, klasik SINDy algoritmasını kuantum çekirdekleriyle güçlendirerek karmaşık sistemlerin matematiksel denklemlerini daha etkili şekilde keşfetmeyi amaçlıyor. Ancak araştırma sırasında 'katsayı kannibalizmi' adı verilen önemli bir sorunla karşılaştılar: kuantum özellikler, polinom temellerine ait olan katsayı kütlesini absorbe ederek denklem kurtarma sürecini bozuyor. Bilim insanları bu sorunu çözmek için kuantum özelliklerini polinom sütun uzayına karşı ortogonalleştiren matematiksel bir çözüm geliştirdi ve bu yöntemin yanlılığı tamamen ortadan kaldırdığını kanıtladı.
Makine Unutma: Yapay Zeka Modellerinden Veri Silme Teknolojileri
Dünya genelinde 'unutulma hakkı' yasalaşırken, kullanıcılar makine öğrenimi platformlarından ayrılmak istediklerinde mahremiyetlerini korumak için yeni teknolojiler geliştiriliyor. Makine unutma, eğitilmiş bir yapay zeka modelinin belirli eğitim verilerinin katkısını tamamen ortadan kaldırmasını sağlayan bir süreç. ArXiv'de yayınlanan kapsamlı araştırma, mevcut makine unutma yöntemlerini dört ana kategoride sınıflandırıyor: merkezi unutma, dağıtık veri unutma, unutma doğrulama ve güvenlik konuları. Araştırmacılar, bu teknolojilerin kullanıcı gizliliği açısından kritik önemini vurguluyor. Özellikle merkezi unutma yöntemleri, kesin ve yaklaşık olmak üzere iki alt kategoriye ayrılıyor. Bu teknolojiler, gelecekte yapay zeka sistemlerinde veri güvenliği ve kullanıcı hakları açısından önemli bir rol oynayacak.
Elektrik şebekelerinin güç akışını yapay zeka ile hızlandırmak için yeni veri seti
Araştırmacılar, elektrik şebekelerindeki güç akışı hesaplamalarını yapay zeka ile optimize etmek için PFΔ adlı kapsamlı bir veri seti geliştirdi. Güç akışı hesaplamaları, elektrik şebekelerinin gerçek zamanlı işletimi için kritik öneme sahip. Özellikle arıza analizlerinde ve şebeke topoloji optimizasyonunda milyonlarca hesaplama yapılması gerekiyor. Geleneksel yöntemler büyük hesaplama gücü gerektirirken, yenilenebilir enerji kaynaklarının artması ve iklim değişikliğinin neden olduğu aşırı hava olayları nedeniyle bu hesaplamaların daha hızlı ve çeşitli senaryolarda yapılması gerekiyor. Makine öğrenimi yöntemleri bu soruna çözüm sunabilir ancak gerçek dünya koşullarını yansıtan benchmarklar eksikti. Yeni veri seti, farklı yük durumları, enerji üretim senaryoları ve şebeke topolojilerini kapsayarak araştırmacılara gerçekçi test ortamı sunuyor.
Yapay Zeka Modelleri Bilinmeyen Verileri Nasıl Daha İyi Tespit Edebilir?
Açık dünya senaryolarında çalışan yapay zeka sistemleri için kritik bir yetenek olan 'dağılım dışı tespit' konusunda önemli bir gelişme kaydedildi. Görsel-dil modelleri kullanarak bilinmeyen sınıflardan gelen örnekleri tanımlama konusunda yeni bir yaklaşım geliştirildi. Mevcut yöntemlerin farklı modaliteler arası mesafe tutarsızlığı sorunu tespit edilerek, InterNeg adlı yeni bir çerçeve önerildi. Bu sistem, metinsel ve görsel perspektiflerden tutarlı modaliteler arası mesafe geliştirmeyi sistematik olarak kullanıyor. Araştırma, CLIP benzeri modellerin optimize edildiği inter-modal mesafelerin daha etkili kullanılmasını hedefliyor. Geliştirilen yöntem, makine öğrenimi modellerinin gerçek dünya uygulamalarında karşılaştığı bilinmeyen durumları daha güvenilir şekilde tespit etmesini sağlayabilir.
Matematikçiler Pürüzlü Fonksiyonlarda Optimizasyon İçin Yeni Yöntem Geliştirdi
Araştırmacılar, düzgün olmayan ve dışbükey olmayan fonksiyonlar üzerinde çalışan subgradient descent algoritmasının yakınsama hızlarını analiz eden yeni bir çalışma yayınladı. Çalışma, karmaşık matematiksel yapılara sahip fonksiyonların optimize edilmesinde önemli ilerlemeler sağlıyor. Geliştirilen yöntem, fonksiyonların düzgün manifoldlara bölünebileceği geometrik varsayımlar altında çalışıyor ve her katmanda nicel eğrilik sınırları belirliyor. Bu yaklaşım, makine öğrenimi ve optimizasyon problemlerinde sıkça karşılaşılan pürüzlü fonksiyonların çözümünde yeni perspektifler sunuyor.
Yapay Zeka Tomografide Gözetmensiz Öğrenme ile Yeni Boyut Açıyor
MIT ve diğer kurumlardan araştırmacılar, tıbbi görüntüleme teknolojilerinde devrim yaratabilecek yeni bir yapay zeka sistemi geliştirdi. SPLIT adı verilen bu sistem, geleneksel tomografi yöntemlerinin aksine, önceden hazırlanmış referans görüntülere ihtiyaç duymadan çalışabiliyor. Sistem, eksik ve gürültülü verilerden bile yüksek kaliteli görüntüler üretebiliyor. Bu yenilik, özellikle tıbbi görüntülemede eğitim verisi elde etmenin zor olduğu durumlarda büyük avantaj sağlayacak. Araştırmacılar, yöntemlerinin teorik temellerini de güçlendirerek, gözetmensiz öğrenmenin gözetimli öğrenme kadar etkili olabileceğini matematiksel olarak kanıtladı. Bu gelişme, hem maliyet açısından hem de pratik uygulama kolaylığı açısından tomografi alanında önemli bir ilerleme anlamına geliyor.
Yapay Zeka Modelleri Artık Geçmişi Unutmadan Yeni Bilgileri Öğrenebilecek
Bilim insanları, yapay zeka modellerinin karşılaştığı en büyük sorunlardan birini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel AI modelleri yeni görevler öğrenirken eskiden öğrendiklerini unutma eğilimindedir - bu duruma 'katastrofik unutma' denir. Araştırmacılar, özellikle akışkanlar dinamiği gibi karmaşık fizik problemleri için tasarlanan SLE-FNO adlı yeni bir mimari sundular. Bu sistem, tek katman uzantısı kullanarak modelin sürekli öğrenme yeteneğini artırıyor ve geçmiş bilgileri kaybetmeden yeni koşullara uyum sağlamasını mümkün kılıyor. Geliştirilen yöntem, farklı geometriler, sınır koşulları veya akış rejimlerindeki değişikliklere karşı daha esnek çözümler sunabiliyor.