SPINEX_ Symbolic Regression: Similarity-based Symbolic Regression with Explainable Neighbors Exploration
تقدم هذه الورقة البحثية SPINEX_SymbolicRegression، وهو خوارزمية جديدة للانحدار الرمزي القائم على التشابه تستفيد من استكشاف الجيران القابل للتفسير لتحديد التعبيرات ذات الجدارة العالية، مما يظهر دقة وتشابهاً هيكلياً تنافسياً ضد الأساليب الرائدة عبر أكثر من 180 دالة معيارية.
في المشهد الواسع للعلم الحديث، تتوفر البيانات في كل مكان. فالأجهزة المستشعرة على الجسور، والتلسكوبات في الفضاء، والأدوات في المختبرات تولد تدفقات لا تنتهي من الأرقام التي تصف كيفية عمل العالم. لعقود من الزمن، كانت الطريقة القياسية لفهم هذه البيانات هي استخدام نماذج تعلم الآلة التي تعمل كصناديق سوداء قوية. هذه الأنظمة ممتازة في التنبؤ بما سيحدث لاحقًا؛ إذ يمكنها التنبؤ بعاصفة أو تحديد مرض بدقة عالية. ومع ذلك، فإنها غالبًا ما تفشل في شرح لماذا قدمت ذلك التنبؤ. فهي تقدم نتيجة دون سبب، تاركةً العلماء مع إجابة صحيحة ولكن دون فهم للآلية الكامنة وراءها.
هنا يأتي دور نهج مختلف يُعرف باسم الانحدار الرمزي (symbolic regression). وخلافًا للطرق التقليدية التي تجبر البيانات على اتخاذ شكل محدد مسبقًا، يعمل الانحدار الرمزي كأنه مستكشف فضولي. فهو يبحث عن الجملة الرياضية الفعلية التي تصف العلاقة بين المتغيرات. وبدلاً من مجرد تخمين رقم، فإنه يحاول كتابة المعادلة نفسها، مكتشفًا الصيغة التي تحكم البيانات. والهدف ليس مجرد التنبؤ، بل الكشف عن القوانين الخفية للطبيعة بطريقة يمكن للإنسان قراءتها وفهمها والتحقق منها. وهذه القدرة على إنتاج نماذج شفافة وقابلة للتفسير أمر بالغ الأهمية في مجالات مثل الفيزياء والهندسة، حيث يكون معرفة "السبب" لا يقل أهمية عن معرفة "النتيجة".
بناءً على هذه الحاجة إلى الوضوح، طور فريق من الباحثين خوارزمية جديدة تسمى SPINEX_SymbolicRegression. تم تصميم هذه الأداة لإيجاد هذه الجمل الرياضية بشكل أكثر فعالية باستخدام مفهوم يسمى "التشابه". تخيل أن الخوارزمية تبحث عن نوع معين من الأشجار في غابة شاسعة. فبدلاً من النظر في كل شجرة على حدًا، تقوم بمقارنتها ببعضها البعض. وهي تسأل: "هل تشبه هذه الشجرة الجديدة تلك التي تحقق أداءً جيدًا بالفعل؟". ومن خلال التركيز على التعبيرات التي تتشابه بنيويًا مع المرشحين الواعدين، يمكن للخوارزمية التنقل في مساحة البحث بذكاء أكبر. فهي لا تبحث فقط عن الإجابة التي تناسب الأرقام بشكل أفضل، بل تبحث أيضًا عن الإجابات التي تشترك في نفس اللبنات الأساسية — مثل نفس المتغيرات والعمليات — مع النماذج الأكثر نجاحًا التي وجدتها حتى الآن.
اختبر الباحثون هذا الأسلوب الجديد مقابل مجموعة ضخمة مكونة من 182 مسألة رياضية مختلفة. تراوحت هذه المسائل من معادلات بسيطة تم إنشاؤها عشوائيًا إلى صيغ معقدة مشتقة من ظواهر فيزيائية واقعية، مثل قوانين الحركة والديناميكا الحرارية. وقد وضعوا خوارزميتهم الجديدة في مواجهة PySR، وهي أداة رائدة في هذا المجال، عبر تشغيل آلاف المحاكاة لمعرفة أي منهما يمكنه إيجاد التعبير الرياضي الصحيح بشكل أكثر تكرارًا. وأظهرت النتائج ميزة واضحة للنهج الجديد في مجالات محددة. وبينما وجدت الأداة الراسخة أحيانًا إجابات قد تكون أكثر دقة من حيث التنبؤ الخام، إلا أن الخوارزمية الجديدة كانت متفوقة تمامًا في العثور على المكونات الصحيحة. فقد كانت أكثر قدرة على تحديد المجموعة الصحيحة من المتغيرات والعمليات الرياضية اللازمة لوصف النظام. وفي كثير من الحالات، عندما طلب الباحثون من الخوارمازمية استخدام كل المتغيرات المتاحة، حققت الطريقة الجديدة تطابقًا مثاليًا، حيث وجدت الهيكل الدقيق للمعادلة الحقيقية بشكل أكثر تكرارًا من منافستها.
إن الميزة الرئيسية لهذا العمل هي تركيزه على قابلية التفسير. لم يرد الباحثون مجرد صندوق أسود يعمل فحسب، بل أرادوا رؤية كيف طورت الخوارزمية حلولها. لذا، فقد ضمنوا أدوات تسمح للمستخدمين برؤية كيف طورت الخوارزمية حلولها، وما هي المتغيرات التي اعتبرتها مهمة، ومدى تشابه أفضل تخميناتها مع القوان Laws الأساسية. وفي أحد العروض التوضيحية، طُلب من الخوارزمية إيجاد صيغة لمنحنى بسيط. نجحت في تطوير تعبير يطابق الهدف بدقة، ووفر النظام تفصيلًا دقيقًا لسبب عمل أجزاء معينة من الصيغة بشكل أفضل من غيرها. هذا المستوى من الشفافية يسم يتيح للعلماء الثقة في النموذج، ليس فقط لأنه يتنبأ جيدًا، بل لأنهم يستطيعون رؤية المنطق الكامن وراءه.
تخلص الدراسة إلى أن هذا النهج القائم على التشابه يقدم طريقة جديدة قوية للكشف عن العلاقات الرياضية. فمن خلال الموازنة بين الحاجة إلى الدقة والحاجة إلى التشابه البنيوي، أنتجت الخوارزمية باستمرار نماذج كانت دقيقة ومفهومة في آن واحد. وأشار الباحثون إلى أنه بينما تعد هذه الطريقة فعالة للغاية، إلا أنها تتطلب قدرة حوسبة كبيرة، ولا يزال هناك مجال لتحسين سرعة حساب هذه التشابهات. ومع ذلك، تشير النتائج إلى أنه من خلال توجيه البحث باستخدام مبدأ التشابه، يمكن للعلماء إنشاء نماذج ليست دقيقة فحسب، بل متوافقة أيضًا مع المبادئ الأساسية للعالم الفيزيائي. وهذا يقرب مجال تعلم الآلة خطوة أخرى نحو مستقبل لا تستطيع فيه الحواسيب التنبؤ بالمستقبل فحسب، بل شرح القواعد التي تحكمه أيضًا.
ملخص تقني: SPINEX_SymbolicRegression
بيان المشكلة يهدف الانحدار الرمزي (Symbolic Regression - SR) إلى الاكتشاف الذاتي للصيغة الرياضية والمعلمات التي تصف البيانات بأفضل شكل، مما يوفر بديلاً شفافاً لنماذج التعلم الآلي "الصندوق الأسود" مثل الشبكات العصبية العميقة. وبينما تعتمد طرق الانحدار الرمزي التقليدية، مثل البرمجة الجينية (Genetic Programming - GP)، على الخوارزميات التطورية للتنقل في فضاء البحث عن التعبيرات المحتملة، إلا أنها غالباً ما تواجه صعوبة في تحقيق التوازن بين الدقة، والتعقيد الهيكلي، والقابلية للتفسير. علاوة على ذلك، قد لا تستفيد النهج الحالية بشكل كامل من مفهوم التشابه لتوجيه البحث نحو نماذج ذات مغزى وقابلة للتعميم، أو لضمان توافق التعبيرات المكتشفة مع المبادئ الفيزيائية المعروفة أو القيود الخاصة بالمجال. تعالج هذه الدراسة الحاجة إلى خوارزمية انحدار رمزي تدمج بفعالية التنقل القائم على التشابه مع استكشاف الجيران القابل للتفسير لتعزيز المتانة ودقة النموذج.
المنهجية تقدم الورقة البحثية SPINEX_SymbolicRegression، وهي خوارزمية مبتكرة توسع إطار عمل SPINEX (التنبؤات القائمة على التشابه مع استكشاف الجيران القابل للتفسير). تدمج المنهجية البرمجة الجينية مع نهج قائم على التشابه لتحديد التعبيرات ذات الجدارة العالية. وتشمل المكونات التقنية الرئيسية ما يلي:
إدارة التشابه والتنوع: تستخدم الخوار الخوارزمية مقاييس مسافة تحرير الشجرة (tree edit distance) لقياس التشابه الهيكلي بين التعبيرات. وتوظف عتبة تشابه (similarity_threshold) للحفاظ على تنوع المجتمع ومنع التقارب المبكر. كما يعمل آلية "عتبة التشابه الديناميكية" (dynamic_similarity_threshold) على ضبط هذه العتبة أثناء التطور بناءً على مستويات تنوع المجتمع.
استكشاف الجيران القابل للتفسير: تتبع الخوارزمية "الجيران" للتعبيرات المرشحة لتحليل القيم المثلى المحلية. وهي توفر تفاصيل دقيقة للمصطلحات المتطورة، بما في ذلك درجات اللياقة (fitness scores)، ومساهمات متوسط مربع الخطأ (MSE)، ومقاييس الارتباط، ومقاييس التشابه (جيب التمام والإقليدي) بالنسبة للدالة المستهدفة.
اختيار المتغيرات والعمليات: تقيم المنظومة صلة المتغيرات باستخدام المقاييس الإحصائية (الارتباط والمعلومات المتبادلة) لتوجيه استراتيجيات الإدراج (guided أو probabilistic). كما تدعم خيار force_all_variables لضمان تمثيل جميع الميزات المدخلة، وهو أمر بالغ الأهمية في المجالات التي تكون فيها متغيرات محددة ضرورية نظرياً.
توجيه المستخدم والقيود: يمكن للمستخدمين حقن user_expression (المعرفة بالمجال) مباشرة في المجتمع الأولي أو كقيود، مما يوجه العملية التطورية نحو الأطر النظرية الراسخة.
آليات تطورية تكيفية: تتميز الخوارزمية بالاختيار الديناميكي للنخبة (dynamic_elite)، وعقوبات التعقيد التكيفية لمنع الإفراط في التخصيص (overfitting)، ومعالجة قوية للعمليات الرياضية (مثل القسمة الآمنة واللوغاريتمات الآمنة) لضمان الاستقرار العددي.
بروتوكول الاختبار المعياري: تم تقييم الخوارزمية مقابل 182 دالة مرجعية رياضية عبر ست مجموعات من المشكلات: Feynman (سهل، متوسط، صعب)، وKeijzer، وKorns، وLivermore، وNguyen، وR rationals. تمت مقارنة الأداء مع PySR، وهي خوارزمية رائدة في الانحدار الرمزي، باستخدام مقاييس تشمل معامل التحديد (R2)، والمطابقة التامة لمجموعة المتغيرات (VM)، والمطابقة التامة لمجموعة العمليات (OP).
المساهمات الرئيسية
الابتكار الخوارزمي: اقتراح SPINEX_SymbolicRegression، التي تدمج بشكل فريد بين البحث القائم على التشابه وتحليل الجيران القابل للتفسير لتعزيز اكتشاف النماذج الدقيقة هيكلياً.
الاختبار المعياري الشامل: اختبار واسع النطاق عبر 182 دالة متنوعة، تتراوح من التعبيرات المولدة عشوائياً إلى المعادلات المشتقة من ظواهر فيزيائية حقيقية (مثل محاضرات Feynman).
إطار التفسير: تطوير آلية لا تخرج التعبير النهائي فحسب، بل توفر أيضاً رؤى دقيقة للعملية التطورية، وأهمية المتغيرات، وأداء التعبيرات المجاورة في فضاء البحث.
التحقق من الأداء: إثبات قدرة الخوارزمية على مضاهاة أو تجاوز أداء الخوارزميات الرائدة (تحديداً PySR) في تكوينات معينة، خاصة فيما يتعلق بالدقة الهيكلية (مطابقة المتغيرات والعمليات).
النتائج تشير نتائج الاختبار المعياري إلى أن SPINEX_SymbolicRegression تعمل بشكل تنافسي عبر مجموعات المشكلات المختبرة:
الدقة (R2): من حيث دقة التنبؤ الخام (R2)، تصدرت PySR بشكل عام في معظم حالات المشكلات، رغم أن SPINEX تفوقت عليها في حالتين محددتين.
الدقة الهيكلية: أظهرت SPINEX ميزة كبيرة في المطابقة التامة لمجموعة المتغيرات (VM) والمطابقة التامة لمجموعة العمليات (OP). فعند تهيئتها على force_all_variables=True، حققت SPINEX ما يصل إلى 100% في المطابقة التامة للمتغيرات في عدة تكوينات، متفوقة بشكل كبير على PySR. يشير هذا إلى أن SPINEX فعالة بشكل خاص في استعادة المكونات الهيكلية الصحيحة للمعادلات الأساسية.
تأثير التكوين: تحسن الأداء عموماً مع أحجام المجتمع الأكبر (100 مقابل 50) وزيادة الأجيال (1000 مقابل 100). وقد عزز تضمين جميع المتغيرات (force_all_variables=True) بشكل ملحوظ الدقة الهيكلية للتعبيرات المستمدة.
دراسة حالة: في اختبار على دالة تربيعية (y=2X2+3X+5)، نجحت الخوارزمية في تحديد قيمة مثلى محلية (X2+10X) بلياقة قدرها 0.9197، متفوقة على جيرانها، رغم أن الورقة تشير إلى أن عملية الصقل الإضافية قد تكون مطلوبة لالتقاط المعاملات بدقة.
الأهمية والادعاءات يزعم المؤلفون أن SPINEX_SymbolicRegression توفر بديلاً قوياً للانحدار الرمزي من خلال الاستفادة من مفهوم التشابه كقوة دافعة. وتفترض الورقة أن الاستفيد من مقاييس التشابه يسمح للخوارزمية بالتنقل بفعالية أكبر في فضاء البحث، وتحديد الأنماط ذات الصلة، وضمان توليد نماذج ذات مغزى تلتزم بالقيود الهيكلية.
تكمكمن أهمية هذا العمل في قدرته على إنتاج أوصاف رياضية صريحة، وشفافة، ودقيقة هيكلياً للبيانات. ومن خلال منح الأولوية للتشابه الهيكلي (مطابقة المتغيرات والعمليات) جنباً إلى جنب مع دقة التنبؤ، تعالج الخوارزمية الطلب المتزايد على القابلية للتفسير في العلوم والهندسة. يسلط المؤلفون الضوء على أن هذا النهج قيم بشكل خاص لإعادة اكتشاف القوانين الأساسية، والتحقق من النماذج النظرية، وضمان توافق النماذج المولدة مع المبادب العلمية الراسخة. وبينما تقر الورقة بوجود قيود تتعلق بالكثافة الحسابية والحاجة إلى مزيد من التحسين لحسابات مقاييس التشابه، إلا أنها تؤكد أن المنهج المقترح يقدم باستمرار أداءً تنافسياً، وفي سياقات هيكلية محددة، يتفوق على الخوارمازميات الرائدة الموجودة.