19 Ekim 2026 sayısı

Yazı tura atışı yalnızca rastgele görünür. Atışın her ayrıntısını bilseydiniz sonucu öngörebilirdiniz. Kuantum rastlantısallığı da aynı türden gizli ayrıntılar saklıyor olabilir mi?

1943'te İngiliz bir matematikçi hayır dedi. Kanıtında tek bir foton ve bir polarizör kullandı. Kanıt, 1944 ve 1945'te onu Nature dergisinde olmak üzere on bir yanıta yol açtı.

On ikinci bir yanıt ise hiç basılmadı. Cenevre'deki bir araştırmacı onu Viyana'da, Erwin Schrödinger'in arşivinde buldu. Schrödinger birkaç satırda tam da imkânsız olduğu söylenen modeli kurmuştu.

Yine de o bir determinizm inananı değildi; 1920'lerden beri doğada rastlantının varlığını savunuyordu. Modeli bir ilke kanıtıydı: bir imkânsızlık kanıtı yalnızca problem nasıl kurulduysa o hâliyle geçerlidir.

Kaynak: Schrödinger's unpublished hidden-variable model in the 1944–45 debate over the "Collapse of Determinism", https://arxiv.org/abs/2610.20752

Bir megabar, çevrenizdeki hava basıncının yaklaşık bir milyon katıdır. Yalıtkanları metale dönüştürür. Bunu şok dalgalarıyla elde etmek genellikle ulusal laboratuvarlardaki dev lazerleri gerektirir.

MIT'den bir ekip bir kestirme buldu. Tek bir lazer dört ışık halkası oluşturuyor; en büyüğü önce, en küçüğü en son ateşleniyor. Her halka, içe doğru ilerleyen şok tam geçerken mürekkepli ince su tabakasına çarpıyor ve onu daha da sert itiyor.

Her biri 4,5 milijoule'lük dört halka yetiyor. Ölçülen şok yollarına uydurulan simülasyonlar merkezdeki basıncı 400 gigapaskalın üzerinde buluyor. Art arda dört halka, ayrı ayrı ateşlenen dört halkadan çok daha iyi sonuç veriyor.

Bir çekince: bu basınç hesaplandı, henüz ölçülmedi. X ışınlarının bunu doğrulaması gerekiyor. Doğrulanırsa, aşırı koşullardaki maddenin fiziği sıradan bir laboratuvar masasına sığabilir.

Kaynak: Megabar Shocks on a Benchtop, https://arxiv.org/abs/2610.20749

1900'de Hilbert, herhangi bir polinom denkleminin tam sayı çözümü olup olmadığına karar veren bir yöntem istedi. 1970'te cevap geldi: böyle bir yöntem var olamaz.

Kesirler için cevap ancak yakın zamanda geldi. Ekim 2026'nın başında OpenAI'dan bir ön baskı, cevabın yine hayır olduğunu kanıtladı. Hiçbir algoritma bunu her denklem için belirleyemez.

Nanjing Üniversitesi'nden Zhi-Wei Sun bu kanıtın üzerine inşa etti. İmkânsızlığın yalnızca 86 bilinmeyenli denklemler için bile geçerli olduğunu gösteriyor. Araçları, bir eliptik eğri üzerindeki noktalar ve özenle kurulmuş asal sayı aileleri.

Tam sayılar için Sun bu sayıyı zaten 10'a indirmişti. Kesirlerde ise bu yapının verdiği sayı 86. Sun bunu aşılamaz bir sınır değil, bir üst sınır olarak nitelendiriyor.

Kaynak: 86 unknowns for Hilbert's tenth problem over the rationals, https://arxiv.org/abs/2610.20691

Galyum nötrino yakalayabilir. Arada bir, bir nötrino bir galyum atomunu germanyuma dönüştürür. Bu atomları saymak, kaç nötrinonun geçtiğini ölçer.

Fizikçiler yoğun radyoaktif kaynakları galyuma yönelttiklerinde, yaklaşık %20 daha az germanyum atomu buldular. 4 sigmanın üzerinde doğrulanan bu açık, "galyum anomalisi" olarak biliniyor.

İki fizikçi başka bir kaynağa yöneldi: Güneş. Güneş'in nötrino çıktısı, galyumdan bağımsız olarak Borexino ve SNO gibi başka dedektörlerle ölçülüyor. Standart birimlerde 67,5 yakalama öngördüler. Galyum deneyleri ise 66,1 ± 3,1 ölçmüştü.

Ölçülen ile öngörülen örtüşüyor: oran 0,98. Yani galyumdaki yakalama oranı yanlış değil, sayım da öyle. Anomali gerçek ve nedeni başka bir yerde.

Kaynak: Gallium Anomaly and Solar Neutrinos, https://arxiv.org/abs/2610.22219

Bir göğüs röntgeninin köşesinde çoğu zaman bir damga bulunur: bir hastane kodu, bir etiket. Bir yapay zekâ akciğerler yerine bu damgayı okumayı öğrenebilir. Sonra başka bir hastanede sessizce başarısız olur.

Makerere Üniversitesi'nden iki araştırmacı yaygın bir görüntü yapay zekâsının içine baktı. 144 dikkat kafasından (attention head) biri öne çıktı. 200 COVID-19 röntgeninin %62'sinde sol üst köşedeki yazıya dikiliyordu.

Yazıyı gerçekçi doku dokusuyla silin, o kafanın dikkati akciğerlere doğru geri dönüyor. Aynı örüntü iki başka yapay zekâ modelinde ve ikinci bir veri setinde de ortaya çıkıyor.

İşin ilginç yanı: kafayı, hatta şüpheli iki kafayla birlikte kapatın, teşhisler ölçülebilir biçimde değişmiyor. Standart testler bu kestirmeyi göremiyor. Onu ancak modelin içine bakmak ortaya çıkarıyor.

Kaynak: Spurious Attention Heads in Vision Transformers: Mechanistic Identification of Annotation-Driven Bias in Medical Chest X-Ray Analysis, https://arxiv.org/abs/2610.21638

Aynı uzunluktaki iki yolculuk çok farklı tırmanışlar içerebilir. Ve her tırmanış, her kat edilişinde yeniden enerjiye mal olur. Bir şehrin biçimi bunu hesaba katıyor mu?

İspanya'daki araştırmacılar 56 şehrin gerçek sokak ağını aldı. Konum etiketli paylaşımlardan elde edilen aynı yolculukları korudular ve her ağı kendi arazisi üzerinde hareket ettirdiler: kaydırdılar, döndürdüler, gerdiler.

Tam olarak sınanabilen 30 şehrin 26'sında gerçek yerleşim, denenen tüm sürümler arasında en az enerjiyi gerektiriyor. Diğer dördünde kaydırılmış bir sürüm %3'ten az tasarruf sağlıyor.

Bogotá 750 metre batıya taşınsa %2,5 tasarruf ederdi. Ama o arazi Bogotá Nehri boyunca taşkına açık alanları içeriyor. Gerçek şehir zaten mevcut en ucuz zeminde duruyor olabilir.

Kaynak: Mobility energetic balance frames spatial configuration of cities, https://arxiv.org/abs/2610.21558

Bir siklondan önce tahliye edebilmek için insanların onun nereye vuracağını birkaç gün önceden bilmesi gerekir. Yapay zekâ hava modelleri ortalamada en iyi klasik tahminlerle şimdiden yarışıyor. Peki ya nadir görülen, şiddetli fırtınalarda?

INRIA, Sorbonne Üniversitesi ve AXA'dan bir ekip 178 siklonu yeniden canlandırdı. Bütün bir tahmin kümesi üreten üç yapay zekâ modelini, ECMWF'nin fizik tabanlı topluluk tahmini IFS-ENS ile karşılaştırdı.

2025 sezonunda FGN adlı yapay zekâ modeli, siklonların yaklaşık %90'ında fırtınanın gerçek konumuna IFS-ENS'ten daha fazla olasılık verdi. En güçlü rüzgârların ve en düşük basınçların yerini de daha iyi belirledi.

Zayıf nokta: yapay zekânın fırtınaları fazla zayıf. Tepe rüzgârları yetersiz kalırken IFS-ENS referansa daha yakın duruyor. Yine de her fırtınanın içindeki rüzgâr–basınç ilişkisi doğru çıkıyor.

Kaynak: Can AI Forecast the Extremes? Evaluating Probabilistic Weather Models on Tropical Cyclones, https://arxiv.org/abs/2610.22077

Kozmik toz ışığı kendine özgü bir biçimde kısar. Samanyolu'muzda morötesinde 2.175 ångström civarında bir çukur oyar. Olağan şüpheliler minik karbon tanecikleri.

Padova Üniversitesi önderliğindeki uluslararası bir ekip, Kara İnci (Black Pearl) lakaplı bir galaksiyi inceledi. Webb teleskobu onu Büyük Patlama'dan yaklaşık 500 milyon yıl sonraki hâliyle görüyor.

Işığında aynı toz çukuru 17,6 sigma ile saptanıyor. Bu, şimdiye kadar bildirilen en uzak örnek. Ama çukur 2.132 ångström'de, maviye doğru kaymış.

Biraz daha sonraki galaksilerden bilinen çukurlar ise öbür yöne kaymış. Demek ki en eski toz hep aynı değildi. Küçük grafit tanecikleri de PAH denen karbon molekülleri de buna uyabilir.

Kaynak: An Attenuation Bump at z=9.3: Probing Dust Diversity at Cosmic Dawn, https://arxiv.org/abs/2610.20722

İki basit öğrenen programın birbirine karşı fiyat belirlemesine izin verin. Sonunda rekabetçi fiyatın çok üstünde fiyat istiyorlar. 2020'deki dönüm noktası niteliğinde bir çalışma bunun ardında bir tehdit gördü: fiyatımı kırarsan karşılık veririm.

Misillemeyle korunan fiyatlar bir kartele benzer. Sonuca rekabet düzenleyicileri nezdinde ağırlığını veren bu yorumdu. São Paulo'daki iki araştırmacı onu beş teste soktu.

Fiyatınızı düşürmek yerine yükseltin, rakip yine aynı biçimde "misilleme" yapıyor. Bir ajanı yabancı biriyle eşleştirin, koordinasyon %80 çöküyor. Üstelik daha akıllıca bir sapma kâr getirirdi: ortalamada %17,5 daha fazla kâr.

Yani fiyatlar hile cezalandırıldığı için değil, hiç denenmediği için yüksek kalıyor. Kimin kiminle oynadığını karıştırmak bu alışkanlığı kırıyor.

Kaynak: Algorithmic Collusion Without Deterrence: Auditing the Punishment Mechanism in Q-Learning Pricing Agents, https://arxiv.org/abs/2610.21867

Kareli kâğıda büyük bir çember çizin ve içindeki ızgara noktalarını sayın. Sayı alana yakındır, ama asla tam eşit değildir. Fark ne kadar büyüyebilir?

Gauss farkın en fazla X üzeri 1/2 gibi büyüdüğünü gösterdi. Burada X yarıçapın karesi. Matematikçiler 1/4 bekliyor ve bundan daha iyisi mümkün değil.

Yüzyılı aşkın bir süredir üs yavaş yavaş aşağı iniyor. Pekin'deki dört matematikçi şimdi 209/670'e, yaklaşık 0,3119'a ulaşıyor. Önceki rekor yaklaşık 0,3145'ti.

Değerleri 5/16'nın hemen altında. Huxley bir zamanlar 5/16'yı, geliştirdiği yöntemin olası bir sınırı olarak önermişti. İki yeni teknik iyileştirme onu aştı. Makale bir ön baskı ve 1/4'e giden yol hâlâ uzun.

Kaynak: A New Bound for the Gauss Circle Problem, https://arxiv.org/abs/2610.21730