🔭 astrophysics

Comparison of symbolic regression algorithms in Star/galaxy/quasar separation

تُظهر هذه الدراسة أن أربعة أطر عمل متطورة للانحدار الرمزي يمكنها تصنيف النجوم والمجرات والكوازارات بفعالية في بيانات SDSS DR17 باستخدام دوال تحليلية موجزة وقابلة للتفسير تضاهي أداء تعلم الآلة التقليدي مع توفير رؤى رياضية شفافة حول الحدود الفيزيائية الفلكية.

المؤلفون الأصليون: Rachit Deshpande, Shantanu Desai

نُشر 2026-03-02

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rachit Deshpande, Shantanu Desai

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك أمين مكتبة كونية تحاول فرز كومة ضخمة وفوضوية من الكتب (أجرام فلكية) وتصنيفها في ثلاثة رفوف محددة: النجوم (مثل شمسنا)، المجرات (مثل درب التبانة)، والكوازارات (تلك الوحوش البعيدة فائقة السطوع).

لفترة طويلة، استخدم أمناء المكتبات آلات "الصندوق الأسود" (مثل الشبكات العصبية العميقة) للقيام بعملية الفرز هذه. هذه الآلات ذكية للغاية ودقيقة جدًا، لكنها تشبه صندوقًا سحريًا: تضع فيه كتابًا، فيخبرك في أي رف ينتمي، ولكن ليس لديك أي فكرة عن كيفية اتخاذه لهذا القرار. إنه مجرد وصفة سرية من ملايين الأرقام.

يسأل هذا البحث سؤالاً بسيطاً: هل يمكننا إيجاد قاعدة بسيطة وقابلة للقراءة تقوم بنفس المهمة التي يقوم بها الصندوق السحري؟

حاول الباحثون استخدام تقنية تسمى الانحدار الرمزي (Symbolic Regression). فكر في هذا ليس كصندوق سحري، بل كمحقق يحاول حل لغز عبر كتابة معادلات رياضية بسيطة (مثل $y = 2x + 5$ ) بدلاً من الأكواد المعقدة.

إليك قصة تحقيقهم، مقسمة إلى أجزاء بسيطة:

1. القرينة: الإزاحة الحمراء (الـ "تمدد الكوني")

قرر الباحثون تجاهل كل البيانات المعقدة (مثل لون الضوء) والتركيز على قرينة واحدة فقط: الإزاحة الحمراء (Redshift).

التشبيه: تخيل صوت سيارة إسعاف تمر بجانبك. بينما تبتعد، يصبح صوتها منخفضاً (يتمدد). في الفضاء، بينما تبتعد الأجرام عنا، يتمدد ضوؤها.
النمط:
- النجوم هي جيراننا، لذا فهي بالكاد تبتعد عنا (الإزاحة الحمراء $\approx$ 0).
- المجرات أبعد مسافة، لذا فهي تتحرك بسرعة متوسطة.
- الكوازارات هي الأبعد، وهي تبتعد عنا بسرعة هائلة (إزاحة حمراء عالية).
  الهدف هو كتابة معادلة رياضية بسيطة تقول: "إذا كانت الإزاحة الحمراء منخفضة، فهو نجم. إذا كانت متوسطة، فهي مجرة. وإذا كانت عالية، فهو كوازار".

2. المتسابقون: أربعة "محققين" مختلفين

أقام الفريق سباقاً بين أربعة أنواع مختلفة من خوارزميات الانحدار الرمزي لمعرفة أي منها يمكنه إيجاد أفضل صيغة بسيطة.

PySR (البستاني التطوري):
- كيف يعمل: يعمل مثل الطبيعة. يقوم بتنمية آلاف الصيغ الرياضية العشوائية، ويترك الصيغ "الأكثر لياقة" لتبقى على قيد الحياة، ثم يخلطها ويحدث طفرات فيها عبر أجيال.
- النتيجة: وجد صيغة جيدة، لكنها كانت متذبذبة قليلاً. كان الأمر يشبه بستانياً وجد نباتاً رائعاً ولكنه يستمر في تغيير التربة قليلاً في كل مرة.
ESR (المُدقق الشامل):
- كيف يعمل: لا يخمن. بل يجرب كل تركيبة رياضية بسيطة ممكنة (ضمن حد معين) ويختار الأكثر ملاءمة للبيانات باستخدام قاعدة "نصل أوكام" الصارمة (التفسير الأبسط هو عادة التفسير الصحيح).
- النتيجة: موثوق جداً ومستقر، مثل محاسب دقيق يراجع كل إيصال.
PhySO (متعلم التعزيز بالذكاء الاصطناعي):
- كيف يعمل: هذا روبوت يتعلم من خلال التجربة والخطأ، ولكن مع شبكة أمان. يتم تدريبه مثل شخصية في لعبة فيديو: يحصل على نقاط لإيجاد صيغة تعمل، ويخسر نقاطاً إذا أنشأ كارثة رياضية (مثل القسمة على صفر).
- النتيجة: كان هذا هو المحقق الأكثر استقراراً. بمجرد أن يجد صيغة، يلتزم بها تماماً في كل مرة. كان مثل روبوت لا يرتكب الأخطاء المطبعية أبداً.
MvSR (الفريق المتخصص):
- كيف يعمل: أدرك هذا الفريق أن الكون ليس متشابهاً في كل مكان. لذا، قسموا المهمة إلى ثلاثة فرق: فريق للإزاحة الحمراء المنخفضة (النجوم)، وفريق للمتوسطة (المجرات)، وفريق للعالية (الكوازارات). وجد كل منهم قطعة من اللغز ثم قاموا بتجميعها معاً.
- النتيجة: هو الفائز! وجد هذا النهج الصيغة الأكثر دقة. كان الأمر أشبه بوجود ثلاثة خبراء، كل منهم يتولى الجزء من المهمة الذي يتقنه بشكل أفضل.

3. النتائج: البسيط مقابل المعقد

قارن الباحثون صيغهم الرياضية البسيطة (المحققين) مقابل آلات "الصندوق الأسود" (مثل الغابات العشوائية والشبكات العصبية).

الصدمة: أدت الصيغ الرياضية البسيطة (المحققين) أداءً يضاهي آلات الذكاء الاصطناعي المعقدة والثقيلة.
الدقة: حققت أفضل صيغة بسيطة دقة تقارب 94%، وهي قريبة جداً من أفضل آلة "صندوق أسود".
الميزة الإضافية: لأن الصيغة بسيطة (على سبيل المثال، $3.134 - \frac{2.320}{z + e^{-2.904z}}$ )، يمكن للإنسان قراءتها وفهمها والوثوق بها. نحن نعرف لماذا تعمل.

4. "الجدار" الذي اصطدموا به

اكتشف البحث أيضاً شيئاً رائعاً: هناك حد لما يمكننا القيام به.
حتى أفضل أنظمة الذكاء الاصطناعي وأفضل الصيغ الرياضية اصطدموا بجدار عند دقة تتراوح بين 90-94%.

لماذا؟ لأنه بالقرب من مسافة معينة (إزاحة حمراء $\approx$ 1.25)، تبدو المجرات والكوازارات متطابقة تماماً في هذا المنظور أحادي البعد. إنه مثل محاولة التمييز بين توأمين متطابقين يرتديان نفس الملابس في الظلام. لا يمكن لأي رياضيات أن تعالج ذلك؛ فالبيانات نفسها غامضة.

الخلاصة الكبرى

يثبت هذا البحث أننا لسنا بحاجة دائماً إلى "صندوق أسود" لحل المشكلات العلمية المعقدة. أحياناً، يتبع الكون قواعد بسيطة وأنيقة يمكننا كتابتها على منديل ورقي.

الطريقة القديمة: استخدم ذكاءً اصطناعياً ضخماً غير قابل للتفسير لفرز النجوم.
الطالط الجديدة: استخدم الانحدار الرمزي لإيجاد معادلة رياضية بسيطة قابلة للقراءة البشرية تقوم بنفس المهمة، وتعمل بشكل أسرع، وتخبرنا بالضبط كيف يتم تنظيم الكون.

إنه انتصار لـ الذكاء الاصطناعي القابل للتفسير: الحصول على نفس نتائج الصندوق السحري، ولكن مع تشغيل الأضواء لنرى كيف يعمل السحر.

فيما يلي ملخص تقني مفصل للورقة البحثية بعنوان "مقارنة خوارزميات الانحدار الرمزي في الفصل بين النجوم والمجرات والكوازارات".

1. بيان المشكلة

يعد تصنيف الأجرام السماوية (النجوم، المجرات، والكوازارات) أمراً جوهرياً في دراسات علم الكونيات وتطور المجرات. وبينما تحقق التعلم العميق والأشجار المعززة بالتدرج (gradient-boosted trees) دقة عالية (>95%) في المسوحات الكبيرة مثل مسح سلون الرقمي للسماء (SDSS)، إلا أنها تعمل كـ "صناديق سوداء"، مما يحجب العلاقات الفيزيائية الفلكية الكامنة (مثل تطور الإزاحة الحمراء وتدرجات كثافة الجمهرة).

يعالج هذا العمل الحاجة إلى التعلم الآلي القابل للتفسير من خلال استقصاء الانحدار الرمزي (Symbolic Regression - SR). ويتمثل التحدي المحدد في اشتقاق دوال تحليلية مدمجة وقابلة للقراءة من قبل البشر، تقوم برسم خرائط لمعلم فيزيائي واحد — وهو الإزاحة الحمراء الطيفية ( $z$ ) — إلى درجات تصنيف مستمرة، وذلك لفصل النجوم المجرية، والمجرات، والكوازارات خارج المجرية دون الاعتماد على مساحات لونية عالية الأبعاد.

2. المنهجية

مجموعة البيانات والمعالجة المسبقة

المصدر: إصدار بيانات SDSS رقم 17 (DR17).
العينة: 100,000 جرم مؤكد طيفياً (59.45% مجرات، 21.59% نجوم، 18.96% كوازارات).
الميزة المدخلة: الإزاحة الحمراء الطيفية ( $z$ ) فقط.
البروتوكول:
- تم استخدام مجموعة فرعية ممثلة بنسبة 10% (10,000 جرم) لضمان كفاءة الحوسبة في مرحلة الاكتشاف الرمزي.
- تم إجراء تحقق تبادلي طبقي خماسي الطيات (5-fold stratified cross-validation) على مجموعة البيانات الكاملة المكونة من 100,000 جرم للتحقق العالمي.
- منطويد القرار (Decision Manifold): يتم توليد دالة تسجيل مستمرة $s(z)$ $s (z)$ ، والتي يتم بعد ذلك تحويلها إلى فئات باستخدام عتبتين محسنتين ( $t_1, t_2$ $t_{1}, t_{2}$ ):
  - $s(z) < t_1 \leftarrow$ مجرة
  - $t_1 \leq s(z) \leq t_2 \leftarrow$ نجم
  - $s(z) > t_2 \leftarrow$ كوازار (QSO)

أطر الانحدار الرمزي التي تم تقييمها

تقارن الدراسة أربعة من أحدث خوارزميات الانحدار الرمزي (SR)، وجميعها مقيدة بحد أقصى لتعقيد التعبير يبلغ 10 عقد:

PySR: نهج برمجة جينية يعتمد على نموذج جزيرة تطوري. يستخدم مجموعات سكانية فرعية متوازية مع الهجرة، واختيار البطولة، وتحسين (BFGS) الموضعي للثوابت العددية.
الانحدار الرمزي الشامل (ESR): نهج حتمي يقوم بحصر جميع التعبيرات الرياضية الصالحة ضمن حد التعقيد. يستخدم طول الوصف الأدنى (MDL) (عبر معيار BIC) لاختيار النموذج لتحقيق التوازن بين الملاءمة والاقتصاد في التعبير.
PhySO (التحسين الرمزي الفيزيائي): طريقة تعلم تعزيزي عميق (DRL) تستخدم شبكة LSTM. تتعامل مع توليد التعبيرات كعملية اتخاذ قرار متسلسلة، وتستخدم تدرجات السياسة الباحثة عن المخاطر وتقنع الهياكل الرياضية غير الصالحة (مثل الأسس المتداخلة).
الانحدار الرمزي متعدد الرؤى (MvSR): نهج متخصص يقوم بتفكيك نطاق الإزاحة الحمراء إلى ثلاث رؤى (إزاحة منخفضة، إزاحة متوسطة، وإزاحة عالية). يقوم بتطوير قالب رمزي عالمي واحد ولكنه يعمل على تحسين المعلمات العددية بشكل مستقل لكل رؤية للتعامل مع عدم الاستقرار.

النماذج المرجعية (Baselines)

لتحديد سقف المعلومات النظرية، تم تدريب ثلاثة نماذج تعلم آلي غير قابلة للتفسير على نفس مساحة الميزة أحادية البعد (الإزحة الحمراء):

الغابة العشوائية (Random Forest - RF)
آلة ناقلات الدعم (SVM) مع نواة RBF
الإدراك متعدد الطبقات (MLP)

مقاييس التقييم

الأساسي: معامل كابا لكوهين ( $\kappa$ ) للتعامل مع عدم توازن الفئات.
الثانوي: الدقة المتوازنة (Balanced Accuracy)، ومقياس F1 المتوسط الكلي (Macro-Averaged F1-Score)، والاستقرار البارامتري (الانحراف المعياري للعتبات $t_1, t_2$ عبر الطيات).
التحليل الفيزيائي: ملفات كثافة الخطأ ومنحنيات الاستدعاء مقابل الإزاحة الحمراء لتحديد "مناطق الانتقال الفيزيائي" حيث تتداخل الفئات.

3. المساهمات الرئيسية

التقييم المنهجي: أول مقارنة شاملة لأربعة نماذج مختلفة من الانحدار الرمزي (تطوري، شامل، تعلم تعزيزي عميق، ومتعدد الرؤى) مطبقة على مشكلة الفصل بين النجوم والمجرات والكوازارات تحديداً.
الاكتشاف المرتكز على الإزاحة الحمراء: إثبات أن الدوال التحليلية المدمجة لمتغير واحد ( $z$ ) يمكنها تحقيق فصل شبه مثالي، مما يعزل حالات التداخل الفيزيائي الجوهرية في مجموعة البيانات.
الشفافية مقابل الأداء: إثبات أن النماذج الرمزية القابلة للتفسير يمكن أن تضاهي أداء النماذج المعقدة "الصناديق السوداء" (RF, SVM, MLP) مع توفير صيغ رياضية صريحة.
توسيع العمل السابق: توسيع تحليل Llorella وCebrian (2025) عبر إدخال أطر انحدار رمزي أكثر تقدماً وبروتوكول تحقق تبادلي صارم.

4. النتائج

مقاييس الأداء

MvSR (الأفضل أداءً): حقق أعلى معامل كابا لكوهين ( $\kappa$ ) بلغ 0.8948 ودقة متوازنة بنسبة 92.51%. وأظهر متانة فائقة في تصنيف فئة الكوازارات الأقل تمثيلاً ( $F1_{QSO} \approx 0.86$ ).
PhySO: أظهر استقراراً بارامترياً استثنائياً، حيث كان الانحراف المعياري للعتبات ( $\sigma < 0.002$ ) أقل برتبة مقدار كامل من الطرق التطورية. وحقق $\kappa \approx 0.875$ .
ESR: حقق $\kappa \approx 0.8665$ ، متفوقاً على PySR في تحديد الكوازارات بفضل اختيار MDL الحتمي.
PySR: حقق $\kappa \approx 0.8526$ .
النماذج المرجعية (Black-Box): تقاربت نماذج RF وSVM وMLP المحسنة عند سقف أداء قدره $\kappa \approx 0.895$ .

النتائج الرئيسية

تكافؤ الأداء: النموذج الرمزي الأفضل (MvSR) لا يختلف إحصائياً عن أفضل النماذج غير القابلة للتفسير (SVM/RF). وهذا يشير إلى أن "عجز التعقيد" للنماذج الرمزية ضئيل جداً لهذه المشكلة أحادية البعد.
الحدود الفيزيائية: يشير تقارب جميع النماذج عند $\kappa \approx 0.90$ إلى أن الخطأ المتبقي يعود إلى التداخلات الفيزيائية الجوهرية في بيانات SDSS (تحديداً التداخل الطيفي بين المجرات والكوازارات حول $z \approx 1.25$ )، وليس بسبب محدودية النماذج.
تحليل الخطأ: تعاني جميع النماذج بشكل أكبر في منطقة الانتقال $z \in [0.8, 1.5]$ . نجح MvSR في تسطيح طفرات الخطأ التي ظهرت في طرق الرؤية الواحدة، مما أدى إلى خفض ذروة معدل الفشل ( $\approx 0.30$ ) وإزاحتها قليلاً نحو إزاحة حمراء مختلفة ( $z \approx 0.9$ ).
الاستقرار: وفرت نماذج PhySO وMvSR أكثر حدود القرار استقراراً، مما يجعلها مثالية لخطوط العمل المؤتمتة حيث يكون اتساق العتبات أمراً بالغ الأهمية.

5. الأهمية والخاتمة

يؤكد هذا العمل أن الانحدار الرمزي يعد بديلاً شفافاً وفعالاً للتعلم الآلي التقليدي (الصندوق الأسود) في مجال المعلوماتية الفلكية.

الأثر العلمي: توفر الدوال التحليلية المستخرجة (مثل $s(z) = 3.134 - \frac{2.320}{z + e^{-2.904z}}$ ) توصيفاً رياضياً موجزاً للحدود الفيزيائية الفلكية، مما يسمح لعلماء الفلك بفحص منطق التصنيف مباشرة.
الفائدة التشغيلية: على عكس الشبكات العصبية، لا تتطلب هذه التعبيرات المختصرة حفظ نماذج واسعة النط scale، ويمكن دمجها بسهولة في سير عمل القياس الطيفي المؤتمت.
الاتجاهات المستقبلية: تشير الدراسة إلى أنه بينما تصل الإزاحة الحمراء وحدها إلى سقف الأداء، فإن العمل المستقبلي يجب أن يدمج الألوان الضوئية (photometric colors) والميزات متعددة الأطوال الموجية في مرحلة الاكتشاف الرمزي لحل مشكلات التداخل في الإزاحات الحمراء العالية التي حددها هذا التحليل.

باختصار، تثبت الورقة أنه بالنسبة لمهمة الفصل بين النجوم والمجرات والكوازارات باستخدام الإزاحة الحمراء، فإن القابلية للتفسير لا تأتي على حساب الدقة، ويمكن لأطر الانحدار الرمزي المتخصصة مثل MvSR أن تفوق أو تضاهي نماذج التعلم الآلي التقليدية مع توفير رؤية فيزيائية عميقة.