“makine öğrenme” için sonuçlar
1.465 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Fizik Laboratuvarlarında Yapay Zeka Devrimi: Sarkaç Deneyi Yeni Boyut Kazandı
Fizik eğitiminde yapay sinir ağları kullanımını araştıran yeni bir çalışma, geleneksel bileşik sarkaç deneyini makine öğrenmesiyle harmanlayarak çığır açıyor. Araştırmacılar, öğrencilerin yerçekimi ivmesini hesaplarken hem klasik analitik yöntemleri hem de yapay zeka modellerini kullanmalarını sağlayan hibrit bir yaklaşım geliştirdi. Bu yenilikçi metot, geleneksel yöntemleri tamamen değiştirmeyi değil, onları desteklemeyi amaçlıyor. Öğrenciler önce sarkaç parametrelerini ölçerek standart yöntemlerle yerçekimi ivmesini hesaplıyor, ardından aynı verileri yapay sinir ağı modeli eğitmek için kullanıyor. Çalışma, fizik eğitiminde veri analizi becerilerinin geliştirilmesi ve modern teknolojinin laboratuvar deneyimlerine entegrasyonu açısından önemli bir adım teşkil ediyor.
Yapay Zeka Modelleri İçin Yeni Matematiksel Algoritma Geliştirildi
Araştırmacılar, yapay zeka tabanlı moleküler simülasyonlarda kullanılan karmaşık matematiksel hesaplamaları büyük ölçüde hızlandıran yeni bir algoritma geliştirdi. O(3)-eşvaryant makine öğrenmesi potansiyellerinde kullanılan Clebsch-Gordan tensor çarpımlarını hesaplayan bu yöntem, hesaplama süresini L³ seviyesine indiriyor. Algoritma, radyal kanal daralmalarını açısal dönüşümlerden ayırarak işlem yükünü azaltıyor ve atomik küme genişleme mimarilerinde mesaj geçişini optimize ediyor. Bu gelişme, moleküler dinamik simülasyonları ve kimyasal süreç modellemelerinde önemli hız artışları sağlayabilir.
ArGEnT: Karmaşık Geometrilerde Makine Öğrenmesi İçin Yeni Transformer Mimarisi
Bilimsel makine öğrenmesinde karmaşık ve değişken geometrilere sahip sistemlerin çözüm operatörlerini öğrenmek büyük bir zorluktu. Araştırmacılar, bu sorunu çözmek için ArGEnT adında yeni bir Transformer tabanlı mimari geliştirdi. Bu sistem, tasarım optimizasyonu ve kontrol problemlerinde kullanılabilecek esnek bir vekil modelleme çerçevesi sunuyor. ArGEnT, nokta bulutu temsillerinden geometrik bilgiyi doğrudan kodlayarak, keyfi uzamsal konumlarda değerlendirme yapabiliyor. Üç farklı dikkat mekanizması varyantı ile geometrik özellikleri farklı stratejilerle dahil ediyor. Bu gelişme, mühendislik tasarımından fizik simülasyonlarına kadar geniş bir uygulama alanında devrim yaratabilir.
Kuantum kimya için 260 bin molekülün veri seti oluşturuldu
Araştırmacılar, fotokimyasal reaksiyonlarda kritik rol oynayan konik kesişim yapılarını içeren kapsamlı bir kuantum kimya veri seti geliştirdi. 260 bin küçük molekülün temel durum ve uyarılmış durum yapılarını kapsayan bu veri seti, makine öğrenmesi ile fotokimyanın entegrasyonunu hedefliyor. Çalışma, on ağır atoma kadar olan moleküllerin (karbon, azot, oksijen, flor) geometrik yapılarını ve enerji hesaplamalarını içeriyor. Veri seti, OM2 seviyesinde optimize edilmiş temel durum geometrileri ve OM2/MRCI seviyesinde hesaplanmış enerji değerlerini sunuyor. Bu kaynak, ışık kaynaklı kimyasal reaksiyonların anlaşılmasında önemli bir boşluğu dolduruyor ve fotokimya araştırmalarında veri odaklı yaklaşımları mümkün kılıyor.
İnsan ve yapay zeka görme sistemleri aynı hatayı farklı şekilde yapıyor
MIT araştırmacıları, insanların ve yapay zeka sistemlerinin görsel algıda benzer doğruluk oranlarına sahip olmalarına rağmen, sistemik olarak farklı türde hatalar yaptıklarını keşfetti. Bir kuş türünün genel kuş kategorisiyle karıştırılma şekli, insan ve makine görüşü arasındaki temel farkları ortaya koyuyor. İnsanlar geniş ama zayıf asimetrik karışıklıklar sergilerken, derin öğrenme modelleri daha seyrek ama güçlü yönlü çökmeler gösteriyor. Bu bulgu, doğruluk ölçütlerinin görünmez kaldığı farklı tümevarım önyargılarını açığa çıkarıyor ve yapay görme sistemlerinin geliştirilmesi için önemli ipuçları sunuyor.
Yapay Zeka Çöküşüne Karşı Tek Gerçek Veri Noktası Çözümü
Yapay zeka sistemlerinin en büyük tehditlerinden biri olan 'model çöküşü' sorununun çözümüne yönelik umut verici bir yaklaşım geliştirildi. Araştırmacılar, yapay zeka modellerinin kendi ürettikleri verilerle eğitilmesi sonucu ortaya çıkan performans kaybı ve halüsinasyon artışının, gerçek dünya verilerinin stratejik kullanımıyla önlenebileceğini keşfetti. Bu çalışma, gelecekte AI sistemlerinin daha güvenilir çalışması için kritik öneme sahip. Model çöküşü, özellikle büyük dil modelleri ve görüntü üretici AI'lar için ciddi bir sorun haline gelmişti. Yeni bulgular, bu sorunun çözümünde gerçek veri noktalarının nasıl etkili kullanılabileceğine dair önemli ipuçları sunuyor.
Yapay Zeka İklim Tahminlerini Daha Anlaşılır Hale Getirecek Yeni Yöntem
Araştırmacılar, iklim tahminlerinde kullanılan yapay zeka modellerinin çalışma mantığını daha şeffaf hale getiren yenilikçi bir yaklaşım geliştirdi. 'Veri odaklı entegrasyon çekirdekleri' adı verilen bu yöntem, makine öğrenmesi modellerinin farklı coğrafi bölgeler, yükseklikler ve zaman dilimlerinden topladığı bilgileri nasıl işlediğini görünür kılıyor. Bu gelişme, hem tahmin doğruluğunu artırırken hem de bilim insanlarının modellerin nasıl karar verdiğini anlamasını sağlayacak. İklim biliminde yapay zeka kullanımının artmasıyla birlikte, bu tür şeffaf yöntemler kritik önem kazanıyor.
Yapay Sinir Ağlarında Bifurkasyon Noktalarının Öğrenme Dinamiklerine Etkisi
Araştırmacılar, zamana bağlı görevlerde çalışan yapay sinir ağlarının öğrenme sürecinde kritik dönüm noktalarını incelediler. Bifurkasyon adı verilen bu matematiksel geçiş noktalarında, sistemin davranışında köklü değişimler yaşanıyor. Çalışma, bu kritik anlarda gradient descent algoritmasının nasıl çalıştığını analiz ederek, karmaşık tekrarlayan sinir ağlarının bile basit matematiksel formlarla açıklanabileceğini gösteriyor. Bulgular, yapay zeka modellerinin öğrenme mekanizmalarını daha iyi anlamamız için önemli bir adım.
Yapay Zeka Artık İnsanlar Gibi Sosyal Davranışları Anlayabiliyor
Mevcut video yapay zeka modelleri, insanların sosyal etkileşimleri nasıl algıladığını anlama konusunda yetersiz kalıyordu. Araştırmacılar, V-JEPA2 gibi gelişmiş modellerin bile sosyal video kliplerdeki insan benzerlikleri tahminlerinde basit metin modellerinden daha kötü performans gösterdiğini keşfetti. Bu sorunu çözmek için 'davranışsal geometrik denetim' adı verilen yeni bir yöntem geliştirildi. 250 doğal sosyal video klibinden toplanan 49.484 insan yargısı kullanılarak, yapay zeka modellerinin sosyal algısı önemli ölçüde geliştirildi.
Yapay Zeka Modellerinde Tutarsızlık Sorunu: Aynı Veri, Farklı Sonuçlar
Bilimsel makine öğrenmesi modellerinin gizli bir sorunu ortaya çıktı. Aynı eğitim verilerinin farklı örnekleriyle eğitilen iki model, genel doğruluk oranlarında %1-4 fark gösterirken, test moleküllerinin %8-22'sini tamamen farklı şekilde sınıflandırıyor. Bu 'çapraz-örnek tahmin dalgalanması' sorunu, bilimsel araştırmalarda model güvenilirliğini ciddi şekilde tehdit ediyor. Araştırmacılar, 9 farklı kimya veri seti üzerinde yaptıkları çalışmada, geleneksel yöntemlerin bu sorunu çözemediğini, ancak iki yeni yaklaşımın umut verici sonuçlar gösterdiğini keşfetti.
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 sinir ağları geçmişi hatırlayarak geleceği tahmin etmeyi öğreniyor
Bilim insanları, biyolojik beyin hücrelerinin çalışma prensiplerini taklit eden yeni bir yapay sinir ağı geliştirdi. PCL+ adlı bu sistem, geçmiş bilgileri kısa süreli hafızasında saklayarak gelecekte ne olacağını tahmin edebiliyor. İnsan beyninin görsel korteksinde gerçekleşen öğrenme süreçlerini taklit eden bu teknoloji, eksik görüntü parçalarını tamamlayabilme ve hareket tanıma gibi karmaşık görevlerde başarılı sonuçlar verdi. Araştırmacılar, sinir hücrelerinin birbirleriyle olan bağlantılarında gecikme sürelerini öğrenerek, yakın geçmişteki bilgileri muhafaza etme becerisini geliştirmeyi başardı. Bu çalışma, yapay zekanın daha biyolojik prensiplerle çalışan sistemler geliştirilmesi yönünde önemli bir adım olarak değerlendiriliyor.
Humanoid robotlar sosyal sinyalleri okumayı öğreniyor
İnsan benzeri robotlar günlük yaşamımıza entegre oldukça, çevresel ipuçlarını anlama yetenekleri kritik hale geliyor. Humanoid robotların insanlarla etkili iletişim kurabilmesi için görsel, işitsel ve sosyal sinyalleri doğru yorumlayabilmesi gerekiyor. Bu robotlar, yüz ifadelerinden ses tonuna, beden dilinden çevresel koşullara kadar birçok faktörü eş zamanlı olarak analiz etmeyi öğreniyor. Gelişen sensör teknolojileri ve yapay zeka algoritmaları sayesinde, robotlar artık insan duygularını ve niyetlerini daha iyi anlayabiliyor. Bu teknolojik ilerleme, gelecekte robotların ev yardımcısından sağlık asistanlığına kadar çeşitli alanlarda daha başarılı olmalarını sağlayacak.
Yapay Zeka Bulut Simülasyonları İklim Modellerini Güçlendiriyor
Atmosfer bilimciler, iklim modellerinin bulut davranışlarını daha doğru simüle edebilmesi için yapay zeka destekli yeni bir sistem geliştirdi. Modern iklim modelleri, bulutların karmaşık yapısını tam olarak yakalayamadığı için atmosferdeki radyasyon hesaplamalarında eksiklikler yaşıyordu. Araştırmacılar, Koşullu Değişken Oto-Kodlayıcı ve Üretici Düşman Ağı teknolojilerini birleştirerek, bulutların dikey ve yatay dağılımını çok daha gerçekçi şekilde modelleyen bir sistem yarattı. CloudSat ve CALIPSO uydu verileriyle eğitilen bu sistem, geleneksel yöntemlere kıyasla bulut katmanları arasındaki karmaşık ilişkileri çok daha başarılı bir şekilde yakalayabiliyor. Bu gelişme, iklim değişikliği projeksiyonlarının daha güvenilir hale gelmesine katkı sağlayacak.
Yapay Zeka ve Moleküler Simülasyonla Süper Bakterilere Karşı Yeni Silahlar
Gram-negatif bakteriler, çoklu ilaç direnci geliştirerek modern tıbbın en büyük tehditlerinden biri haline geldi. Bu bakteriler beta-laktam, kloramfenikol, florokinolon gibi birçok antibiyotiğe karşı direnç kazandı. Araştırmacılar, makine öğrenmesi ve moleküler dinamik simülasyonları kullanarak bu süper bakterilerin savunma mekanizmalarını hedef alan yeni inhibitörler geliştirmeye odaklandı. Çalışma, bakterilerin ilaç direncinde rol oynayan efluks pompalarını ve enzimatik bozunma sistemlerini etkisiz hale getirecek moleküllerin tasarımında yapay zekanın potansiyelini ortaya koyuyor. Bu yaklaşım, geleneksel antibiyotik geliştirme süreçlerini hızlandırabilir ve yan etkisi daha az ilaçların üretilmesine katkıda bulunabilir.
Yapay zeka modeli beynin görsel haritalarının nasıl oluştuğunu açıkladı
Stanford araştırmacıları, primat beyninin görsel korteksindeki karmaşık organizasyonun nasıl ortaya çıktığını yapay zeka ile modellediler. Doğal videolarla eğitilen 3D yapay sinir ağı, beynin hareket algısından sorumlu MT bölgesindeki yön haritalarını kendiliğinden geliştirdi. Bu çalışma, beynin farklı görsel işleme yollarının benzer evrensel ilkeler tarafından şekillendiğini gösteriyor. Bulgular, hem nörobilim hem de yapay zeka açısından önemli: beynin nasıl çalıştığını anlamamıza katkı sağlarken, daha biyolojik olarak gerçekçi AI sistemleri geliştirmek için yeni yollar açıyor.
Yapay sinir ağları artık kendi kendine öğrenme zamanını belirleyebiliyor
Araştırmacılar, yapay sinir ağlarında devrim niteliğinde yeni bir öğrenme yöntemi geliştirdi. Geleneksel yöntemlerin aksine, bu sistem dış müdahaleler olmadan kendi iç dinamiklerini kullanarak ne zaman öğreneceğine karar veriyor. Ağ, sürekli gelen verileri hemen işlemek yerine, önce bu bilgileri gizli izler halinde biriktiriyor ve bir yandan da gelecekteki durumları tahmin etmeye çalışıyor. Tahminler ile gerçek durum arasındaki fark kritik bir eşiği aştığında sistem kendiliğinden öğrenme moduna geçiyor. Bu yaklaşım, insan beyninin öğrenme şekline daha yakın bir model sunarak yapay zeka sistemlerinin daha verimli ve doğal öğrenmesini sağlayabilir. Çalışma, makine öğrenmesi alanında önemli bir adım olarak değerlendiriliyor.
Yapay Zeka ile Hava Tahminlerinde Büyük Verimlilik Atılımı
Atmosfer ve okyanus bilimlerinde kullanılan veri asimilasyon sistemlerinde çığır açan bir gelişme yaşandı. Araştırmacılar, makine öğrenmesi teknikleriyle ensemble Kalman filtrelerinin performansını önemli ölçüde artırmayı başardı. Bu yenilik, hava tahminlerinde daha az hesaplama gücüyle daha yüksek doğruluk elde edilmesini sağlıyor. Geleneksel yöntemler, yüksek doğruluk için büyük veri setleri gerektirirken, yeni sistem çok katmanlı sinir ağları kullanarak bu sorunu çözüyor. Sistem, küçük veri setlerinden elde edilen hata kovaryanslarını büyük veri setlerinkine yaklaştırarak tahmin kalitesini koruyor. Bu gelişme, meteoroloji ve iklim modellemesinde hem maliyet hem de hız açısından devrim yaratma potansiyeli taşıyor.
Brezilya'da 25 yıllık meteoroloji verisi tek platformda toplandı
Brezilyalı araştırmacılar, ülkenin meteoroloji verilerini 25 yıllık bir arşivde birleştirerek METBRA25Y veri setini oluşturdular. Bu kapsamlı çalışma, Brezilya Ulusal Meteoroloji Enstitüsü'nün (INMET) saatlik gözlem kayıtlarını standart bir formatta bir araya getiriyor. Veri seti, iklim değişikliği araştırmalarından tarımsal analizlere, şehir planlama çalışmalarından makine öğrenmesi projelerine kadar geniş bir kullanım alanına sahip. Araştırmacıların en büyük zorluklarından biri olan farklı formatlardaki meteoroloji verilerini birleştirme sorunu bu çalışmayla çözülüyor. Standardize edilmiş değişken isimleri, kalite kontrol verileri ve eksik veri raporları içeren arşiv, bilim insanlarının daha güvenilir analizler yapmasını sağlayacak.
Yapay Zeka Artık İlaç Moleküllerini Geri Sentezleyebiliyor
Araştırmacılar, büyük dil modellerinin (LLM) kimyasal sentez planlamasında devrim yaratabilecek yeni bir yaklaşım geliştirdi. Retrosintez olarak bilinen süreç, hedef moleküllerin daha basit bileşenlere ayrıştırılması yoluyla ilaç geliştirmede kritik rol oynar. Geleneksel makine öğrenmesi yöntemleri tek adımlık reaksiyonlarla sınırlıyken, yeni sistem çok adımlı sentez yollarını planlamada başarı gösteriyor. Bu gelişme, ilaç keşfi ve organik kimya alanında daha etkili sentez stratejilerinin geliştirilmesine kapı açabilir.
Beynin Beyincik-Korteks İşbirliği Yapay Zekayı Daha Hızlı Öğretiyor
Araştırmacılar, beynin beyincik ve korteks bölgeleri arasındaki işbirliğinden esinlenerek yeni bir yapay sinir ağı geliştirdi. Bu hibrit sistem, geleneksel yapay sinir ağlarına göre zamana bağlı görevleri çok daha hızlı öğreniyor ve daha yüksek performans sergiliyor. Çalışma, beyinciğin öğrenmedeki kilit rolünü ortaya koyuyor: korteks bölümü minimal eğitimden sonra sabitlendiğinde bile, beyincik benzeri modül tek başına üstün öğrenme verimliliği sağlayabiliyor. Bu bulgu, korteksin sabit bir rezervuar gibi çalışırken beyinciğin asıl öğrenme motorunu oluşturduğunu gösteriyor.
FLUX: Biyolojik Sistemlerin Zamana Bağlı Değişimini Modelleyen Yeni Yapay Zeka Yaklaşımı
Araştırmacılar, biyolojik sistemlerin zaman içindeki karmaşık değişimlerini modellemek için FLUX adlı yenilikçi bir yapay zeka sistemi geliştirdi. Hücreler, nöronlar veya organizmaların farklı gelişim evrelerindeki durumlarını eşleştirmeden analiz edebilen bu sistem, öğrenme, uyaran değişimi veya gelişimsel aşamalar gibi gizli rejimlerin geçişlerini tespit edebiliyor. Geleneksel yöntemlerden farklı olarak, aynı biyolojik örnekleri sürekli takip etmeden, farklı zamanlardaki popülasyon örneklerinden anlamlı sonuçlar çıkarabiliyor. Bu gelişme, gelişimsel biyoloji, nörobilim ve hücre biyolojisi araştırmalarında önemli ilerlemeler sağlayabilir.
Yapay Sinir Ağları İçin Yeni Döngüsel Temsil Yöntemi Geliştirildi
Araştırmacılar, açısal ölçümlerin işlenmesinde yaşanan zorluklara çözüm olarak yeni bir döngüsel temsil yöntemi geliştirdi. Geleneksel açı ölçümlerinde, birbirine yakın açılar arasındaki fark pi değerini aştığında işleme sorunları yaşanıyor. Yeni yöntem, yüksek boyutlu uzayda gerçek değerli döngüsel gömme tekniklerini kullanarak bu sorunu çözüyor. Fourier gömme teknikleri kullanılan çalışmada, nöral ağların daha etkili açı işlemesi sağlanıyor. Yöntem aynı zamanda nokta çarpım benzerliklerinin kontrolüne olanak tanıyarak farklı çekirdek şekilleri oluşturabiliyor. Özellikle fiziksel ve algısal fenomenlerin temsil edilmesinde kritik öneme sahip periyodik sinyaller için önemli bir gelişme.
Yapay Zeka Mantık Yürütmeyi Nasıl Öğreniyor? Transformer Modellerde Yeni Keşif
Araştırmacılar, transformer tabanlı yapay zeka modellerinin mantıksal çıkarım yeteneklerini inceledi. Çalışmada, "A, B'den büyük; B, C'den büyük; o halde A, C'den büyük" türü geçişli mantık yürütme davranışı analiz edildi. İki farklı öğrenme türü karşılaştırıldı: model ağırlıklarına gömülü öğrenme ve bağlam içi öğrenme. Bulgular, bu iki yaklaşımın tamamen farklı stratejiler geliştirdiğini gösterdi. Ağırlık tabanlı öğrenen modeller, insanlar ve hayvanlarınkine benzer doğrusal ilişki haritaları oluştururken, bağlam içi öğrenen modeller genellikle ezberleme stratejisi benimsiyor. Ancak eğitim verileri geçişli çıkarımı gerektirdiğinde, bu modeller de mantıksal genelleme yapabiliyorlar. Araştırma, yapay zeka sistemlerinin akıl yürütme mekanizmalarını anlamak açısından önemli ipuçları sunuyor.