Meglepő tanulsággal szolgált egy, a Nature-ben most megjelent nemzetközi kutatás: közel ötszáz elemző ugyanazt az adatállományt vizsgálva gyakran eltérő következtetésekre jutott. A tanulmány szerint az eredményeket jelentősen befolyásolják az elemzés során hozott módszertani döntések.

A japán T2K és az amerikai NOvA neutrínókísérletek közös elemzése olyan mérési pontosságot eredményezett, amely közelebb vihet az Univerzum anyag–antianyag aszimmetriájának megértéséhez.

Hogyan maradhat a mesterséges intelligencia hosszú távon hasznos az emberiség számára? Miért kulcsfontosságúak a jó minőségű adatok? Mit lehet tenni a deepfake ellen és mik azok a mesterséges intelligencia sandboxok?

A HUN-REN-ELTE Összehasonlító Etológiai Kutatócsoport és a Debreceni Egyetem szakemberei azt vizsgálták, hogy az állatok esetében is megfigyelhető, távolodást vagy közeledést kiváltó nem verbális hangjelzések szabályszerűségei átültethetők-e mesterségesen létrehozott gépi hangokba.

A RHIC STAR együttműködés – amelynek az ELTE is hivatalos résztvevője – hatmilliárd részecskeütközést vizsgálva észlelte az egzotikus antirészecskéket. A felfedezés az anyag és az antianyag közötti különbségek megismerésében is segítheti a kutatókat.

Az első rajrepülő drónflotta létrehozása után most önvezető drónok nagy létszámú sűrű forgalmát mutatták be a világon elsőként az ELTE kutatói. Az új rendszer képességei lényegesen felülmúlják az emberi pilótákkal valaha is megvalósítható szintet.

Biológiai motivációjú algoritmusokat és az evolúció elvét használták az új csoportos drónvezérlés megalkotásához az ELTE kutatói.