Scalable Gaussian Processes for Integrated and Overlapping Measurements Via Augmented State Space Models

ملخص تقني: العمليات الغاوسية القابلة للتوسع للقياسات المتكاملة والمتداخلة عبر نماذج فضاء الحالة المعززة

بيان المشكلة
غالبًا ما يتم الحصول على القياسات الفلكية عن طريق دمج الإشارات عبر أوقات تعرض محددة (على سبيل المثال، تراكم الإلكترونات الضوئية في جهاز CCD). عندما يكون المقياس الزمني للتقلبات الفيزيائية الفلكية الكامنة مقارباً لطول مدة التعرض، تصبح نماذج العملية الغاوسية (GP) اللحظية القياسية مقدرات منحازة. يتطلب حساب هذا التكامل بشكل صحيح نمذجة القياس كمتوسط للعملية الكامنة عبر فترة التعرض.

بينما يعد انحدار العمليات الغاوسية أداة قياسية لنمذجة الظواهر العشوائية (مثل تذبذبات النجوم في بيانات السرعة الشعاعية)، فإن التعامل مع القياسات المتكاملة يفرض تحديات حوسبية كبيرة. بالنسبة للتعرضات غير المتداخلة وذات المدة الثابتة، يمكن للأنوية المتخصصة (مثل تلك الموجودة في celerite) الحفاظ على شبه انفصالية، مما يسمح بحلول ذات تعقيد $O(N)$. ومع ذلك، في الحالة العامة التي تتضمن أوقات تعرض متغيرة، والأهم من ذلك، التعرضات المتداخلة (الشائعة عند دمج البيانات من أدوات متعددة ذات إيقاعات زمنية مختلفة)، تفقد مصفوفة التباين هيكلها شبه المنفصل. هذا يجبرنا على استخدام عمليات المصفوفات الكثيفة، مما يؤدي إلى تكاليف ذاكرة قدرها $O(N^2)$ وتكلفة زمن تشغيل قدرها $O(N^3)$. تعتمد الطرق الحالية للأنوية المتكاملة (مثل Luhn et al. 2026) على بناء مصفوفة التباين الكثيفة الكاملة، وهو أمر يصبح مستحيلاً حوسبياً للمجموعات الكبيرة من البيانات ($N \sim 10^5$) النموذجية للمسوحات متعددة الأدوات الحديثة.

المنهجية
يقترح المؤلفون توسيع التكافؤ بين العمليات الغاوسية ونماذج فضاء الحالة الخطية الغاوسية (SSMs) للتعامل مع القياسات المتكاملة والمتداخلة مع الحفاظ على القابلية للتوسع.

1. صياغة فضاء الحالة المعززة:
   الابتكار الجوهري هو تعزيز متجه حالة SSM القياسي. بالنسبة لعملية كامنة $x(t)$ محكومة بمعادلة تفاضلية عشوائية خطية (SDE)، يقدم المؤلفون حالة تكامل $z(t)$ بحيث أن $dz/dt = x(t)$.

• يصبح متجه الحالة المعزز $\tilde{x} = [x, z]^T$.
• يتم تحديث ديناميكيات النظام لتشمل تكامل الحالة الكامنة.
• آلية إعادة الضبط: عند بداية كل تعرض $t_s$، يتم إعادة ضبط حالة التكامل $z$ إلى الصفر. وعند نهاية التعرض $t_e$، يتم نمذجة الملاحظة $y$ كالتكامل المعاير للحالة عبر الفترة: $y = z(t_e)/\delta + \epsilon$، حيث $\delta$ هي مدة التعرض.

2. التعامل مع التداخلات:
   لاستيعاب التعرضات المتداخلة من أدوات متعددة، يقوم الإطار بتعيين حالة تكامل متميزة $z_i$ لكل أداة $i$. يتوسع متجه حالة فضاء الحالة المعزز ليشمل جميع تكاملات الأدوات المحددة. يتم تطبيق مصفوفات إعادة الضبط بشكل انتقائي: حيث يتم إعادة ضبط $z_i$ فقط عند بدء تعرض ينتمي للأداة $i$، مما يسمح بالتراكم المتزامن لتكاملات الأدوات المتداخلة. هذا البناء يرمز بشكل طبيعي للارتباطات المتبادلة المطلوبة للبيانات المتداخلة دون الحاجة إلى عمليات مصفوفة كثيفة.

3. الاستدلال القابل للتوسع:
   يشتق المؤلفون خوارزميات مرشح كالمان (Kalman Filter) ومُنعّم راوتش-تونغ-ستريبل (Rauch–Tung–Striebel Smoother) المعدلة لهذا النظام المعزز.

• التعقيد المتسلسل: تعمل خطوات الترشيح والتنعيم على بُعد حالة فضاء الحالة المعززة ($d + N_{inst}$)، مما يحافظ على تعقيد حوسبي قدره $O(N)$ على وحدة المعالجة المركزية (CPU).
• التعقيد المتوازي: من خلال الاستفادة من خاصية التجميع لتوزيعات الترشيح والتنعيم، تمت إعادة صياغة الطريقة كمسألة "مجموع البادئات الكلّي" (all-prefix-sums). يسمح هذا بالتنفيذ المتوازي على وحدات معالجة الرسومات (GPU)، مما يقلل وقت التشغيل إلى $O(N/T + \log T)$، حيث $T$ هو عدد العمال المتوازيين.

4. التنفيذ البرمجي:
   يقدم المؤلفون smolgp وهو حزمة Python/JAX مفتوحة المصدر. توفر توافقاً مباشراً مع مكتبة tinygp الحالية، وتدعم نمذجة GP القياسية والمدركة للتعرض. وهي تنفذ الحلول المتسلسلة والمتوازية الموصوفة أعلاه.

النتائج الرئيسية

• التكافؤ العددي: يتحقق المؤلفون من نهج SSM المعزز مقابل تنفيذ GP الكثيف الكامل (Luhn et al. 2026) لكل من سيناريوهات الأداة الواحدة ومتعددة الأدوات (المتداخلة). تتفق النتائج المتعلقة بالمتوسطات المشروطة، والتباينات، واللوغاريتمات الاحتمالية ضمن دقة الآلة (الفروق $\sim 10^{-14}$ إلى $10^{-15}$)، مما يؤكد التكافؤ النظري.
• مقاييس الأداء:
• الذاكرة: نهج SSM أكثر كفاءة في استخدام الذاكرة من طريقة GP الكثيفة. بينما تتطلب نماذج GP الكثيفة ذاكرة قدرها $O(N^2)$ (تتجاوز 100 جيجابايت لـ $N \sim 10^5$)، فإن طريقة SSM تتوسع خطياً، مما يجعل مجموعات البيانات الكبيرة ممكنة على الأجهزة القياسية.
  • وقت التشغيل: بالنسبة للبيانات المتكاملة، حيث لا يوجد بديل شبه منفصل (QSM)، يوفر حل SSM طريقة تحول جذري في السرعة. على وحدة المعالجة المركزية، يعد حل SSM المتسلسل هو الأسرع للتنبؤ والمنافس في حساب الاحتمالية. على وحدة معالجة الرسومات، يحقق حل SSM المتوازي أسرع أوقات التكييف، منافساً طرق QSM في حساب الاحتمالية.
  • التنبؤ: تدعم الطريقة التنبؤ الفعال عند نقاط اختبار اختيارية باستخدام خوارزمية محددة (الخوارزمية 1) وهي متوازية بشكل هائل وخفيفة الذاكرة مقارنة بعمليات ضرب المصفوفات الكثيفة.

الأهمية والادعاءات
يدعي الورقة البحثية أن هذا العمل يتيح مقارنات عرضية ضخمة متعددة الأدوات حيث يكون تداخل التعرض شائعاً، وهو سيناريو كان محدوداً سابقاً بالتكلفة الحوسبية. من خلال الحفاظ على تعقيد $O(N)$ (أو $O(\log N)$ على وحدات معالجة الرسومات)، يفتح هذا النهج الإمكانات لـ:

• تحليل مجموعات بيانات بـ $N > 10^5$ ملاحظة (مثل المراقبة الشمسية اليومية من أدوات متعددة مثل KPF وNEID وEXPRES وHARPS-N).
• استخدام نماذج أكثر تعقيداً وبيانات أعلى أبعاد كانت غير قابلة للتنفيذ سابقاً بسبب اختناق $O(N^3)$ للنماذج المتكاملة.
• توسيع نمذجة GP القابلة للتوسع لتشمل الأنوية التي تفتقر إلى شبه الانفصال (مثل الأنوية شبه الدورية) عندما تكون هناك قياسات متكاملة.

يؤكد المؤلفون أن الإطار ليس مقتصرًا على السلاسل الزمنية بل ينطبق على أي بيانات مجزأة (binned data) ذات إحداثي مستقل قابل للترتيب، كما أنه يدعم بشكل طبيعي ملاحظات المشتقات (مثل نماذج FF') نظراً لتضمين مشتقات الحالة في صياغة SSM. يضع هذا العمل smolgp كأداة قابلة للتوسع ومرنة لتحليل الزمن في الفلك من الجيل التالي.