🤖 machine learning

Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations

إن SymLang هو إطار عمل مفتوح المصدر يدمج القواعد المقيدة بالتناظر، وتوليد البرامج الموجه بنماذج اللغة، والاختيار البايزي للنماذج، لاكتشاف المعادلات الحاكمة الدقيقة والقابلة للتفسير من الملاحظات الصاخبة والجزئية بشكل قوي، متفوقاً بشكل كبير على النماذج المرجعية الحالية في الاسترداد الهيكلي والاتساق الفيزيائي.

المؤلفون الأصليون: Mirza Samad Ahmed Baig, Syeda Anshrah Gillani

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Mirza Samad Ahmed Baig, Syeda Anshrah Gillani

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 محقق تحاول حل لغز: ما هي القواعد الخفية للطبيعة؟

لطالما أراد العلماء إيجاد صيغ بسيطة وأنيقة (مثل $F=ma$) تشرح كيفية عمل العالم، من تأرجح البندول إلى انتشار الفيروس. ولكن في العالم الحقيقي، تكون البيانات فوضوية؛ فهي مليئة بالضجيج (الاستاتيكية)، والأجزاء المفقودة (المتغيرات غير المرصودة)، والأنماط المربكة.

يقدم البحث أداة جديدة للمحققين تسمى SymLang. فكر فيها كذكاء اصطناعي فائق الذكاء وواعٍ بالفيزياء، لا يكتفي بالتخمين فحسب، بل يستنبط الحقيقة عبر التفكير والاستنتاج.

إليك كيف تعمل SymLang، مقسمة إلى تشبيهات بسيطة:

١. المشكلة: فخ "المكتبة اللانهائية"

تخيل أنك تحاول العث de على كتاب محدد في مكتبة تحتوي على كل جملة ممكنة كُتبت على الإطلاق، بما في ذلك الجمل الهزلية مثل "الغيوم الأرجوانية تأكل الثلاثاء".

الطرق القديمة (مثل البرمجة الجينية) كانت تختار الكتب عشوائياً، وتقرأها، ثم ترى ما إذا كانت منطقية أم لا. هذا يستغرق وقتاً طويلاً لأن 99.9% من هذه الكتب هي مجرد هراء.
طرق أخرى (مثل SINDy) تبحث فقط في قسم صغير ومحدد مسبقاً من المكتبة. فإذا كان الجواب موجوداً في قسم "الخيال العلمي" وهم يبحثون فقط في قسم "التاريخ"، فلن يجدوه أبداً.

٢. الحل: قدرات SymLang الثلاث الخارقة

تحل SymLang هذه المعضلة عبر دمج ثلاث أفكاف متميزة في سير عمل واحد قوي.

أ. "قواعد لغة الفيزياء" (المصفاة)

قبل أن يبدأ الذكاء الاصطناعي حتى في التخمين، يقوم ببناء مصفاة بناءً على قوانين الفيزياء.

التشبيه: تخيل أميناً صارماً للمكتبة يقول: "لا يمكنك كتابة جملة حيث يتم جمع كلمة 'زمن' مع كلمة 'مسافة'. هذا ليس له معنى!".
كيف يعمل: تستخدم SymLang التحليل البعدي (التحقق من الوحدات مثل الأمتار مقابل الثواني) والتماثل (التحقق مما إذا كانت القواعد تتغير إذا قلبت العالم رأساً على عقب).
النتيجة: تقوم باستبعاد 71% من كل المعادلات "الهزلية" الممكنة قبل أن تحاول حتى حلها. إنها تنظر فقط إلى الجمل التي يمكن أن توجد فيزيائياً.

ب. "المحقق الحدسي" (المرشد)

بمجرد تصفية المكتبة لتقتصر فقط على الكتب "المنطقية"، تستخدم SymLang نموذج لغة ضخم (LLM) (مثل نسخة فائقة الذكاء من الذكاء الاصطناعي الذي تتحدث إليه الآن) لتخمين الإجابة.

التشبيه: بدلاً من اختيار كتاب عشوائي، ينظر المحقق إلى الأدلة (البيانات) ويقول: "همم، البيانات تبدو كبندول. أراهن أن الإجابة تتضمن موجات جيبية وجاذبية".
كيف يعمل: تم تدريب الذكاء الاصطناعي على ملايين المسائل الفيزيائية. ينظر إلى البيانات الفوضوية ويقترح الصيغ الأكثر احتمالية، متجاوزاً الصيغ الممكنة رياضياً ولكن غير المحتملة فيزيائياً.

ج. "كاشف الحقيقة" (القاضي)

أخيراً، لا تكتفي SymLang باختيار أفضل إجابة وتتوقف. بل تسأل: "هل نحن متأكدون؟"

التشبيه: تخيل هيئة محلفين. بدلاً من وجود محلف واحد يقول "مذنب"، تقوم Symolog بمحاكاة 200 محاكمة مختلفة بأدلة مختلفة قليلاً.
كيف يعمل:
- إذا كانت الإجابة هي نفسها في جميع المحاكمات الـ 200، تقول SymLang: "نحن متأكدون بنسبة 100%".
- إذا انقسمت هيئة المحلفين بنسبة 50/50 بين صيغتين مختلفتين، تقول SymLang: "نحن مرتبكون. البيانات ليست واضحة بما يكفي للاختيار بينهما".
- الأهم من ذلك: معظم أدوات الذكاء الاصطناعي تكذب وتعطيك إجابة واثقة حتى عندما تكون مخطئة. أما SymLang فهي صادقة؛ فهي تعترف عندما تكون البيانات غير كافية.

٣. لماذا يهم هذا؟ (النتائج)

اختبر المؤلفون SymLang على 133 مسألة علمية مختلفة، من الكهرباء إلى نمو السكان، باستخدام بيانات مشوبة بالكثير من الضجيج.

إنها أسرع: وجدت الصيغة الصحيحة بسرعة تفوق الطرق الأخرى بـ 4 مرات لأنها لم تضع وقتها في الهراء.
إنها أقوى: حتى عندما كانت 50% من البيانات مخفية (مثل محاولة حل لغز بنصف القطع المفقودة)، نجحت SymLang في إيجاد الإجابة الصحيحة بنسبة 61% من الوقت، بينما فشلت الطرق الأخرى.
إنها صادقة: عندما كانت البيانات فوضوية للغاية بحيث يصعب حلها، رفعت SymLang راية حمراء قائلة: "لا يمكنني التحديد". بينما كانت الطرق الأخرى تعطي إجابة خاطئة بكل ثقة.

الصورة الكبيرة

فكر في SymLang كـ نظام GPS واعٍ بالفيزياء.

الـ GPS القديم: "أعتقد أن الوجهة هنا". (حتى لو كانت في وسط بحيرة).
SymLang: "بناءً على قوانين الفيزياء، لا يمكنك القيادة عبر الماء. أيضاً، الخريطة غير واضحة، لذا لا يمكنني التأكد بنسبة 100% من الطريق، ولكن إليك أفضل 3 احتمالات، وإليك ما أحتاجه من بيانات إضافية لأكون متأكداً".

هذا الإطار يسد الفجوة بين البيانات الخام الفوضوية وبين القوانين الفيزيائية النظيفة والجميلة التي ظل العلماء يطاردونها لقرون. إنه يحول "تنقيب البيانات" إلى "اكتشاف علمي".

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "توليف البرامج الموجه باللغة والمقيد بالتناظر لاكتشاف المعادلات الحاكمة من الملاحظات الصاخبة والجزئية."

1. بيان المشكلة

يعد اكتشاف المعادلات الحاكمة الرمزية والموجزة (مثل قوانين نيوتن أو معادلات ماكسويل) من البيانات التجريبية هدفاً جوهرياً في العلوم الكمية. ومع ذلك، تواجه الطرق المؤتمتة الحالية ثلاثة قيود حرجة عند التعامل مع بيانات العالم الحقيقي:

الضجيج وتقدير المشتقات: القياسات التجريبية صاخبة، مما يجعل تقدير المشتقات (المطلوب للمعادلات التفاضلية) غير مستقر.
الملاحظة الجزئية: غالباً ما تكون متغيرات الحالة ذات الصلة غير مرصودة، مما يعني أن الديناميكيات المتاحة هي فقط الديناميكيات المسقطة أو الفعالة.
عدم اليقين الهيكلي: عندما تفسر هياكل رمزية متعددة البيانات بنفس القدر من الجودة، فإن الطرق الحالية عادة ما تعيد معادلة واحدة "أفضل"، دون تقديم مقياس لعدم اليقين أو التحلل الهيكلي (Structural Degeneracy). يمكن أن يؤدي هذا إلى التفسير المفرط للمصادفات الناتجة عن العينات المحدودة على أنها قوانين أساسية.

تقتصر النهج الحالية مثل "تحديد الديناميكيات غير الخطية المتناثرة" (SINDy) على مكتبات عاملة ثابتة (مما يعني فقدان المعادلات الخارجة عن نطاق المكتبة)، بينما تفتقر النهج العصبية-الرمزية (مثل AI Feynman أو DSR) غالباً إلى القيود الفيزيائية الصارمة أو التقدير المنهجي لعدم اليقين.

2. المنهجية: إطار عمل SymLang

يقدم المؤلفون SymLang، وهو إطار عمل موحد يدمج ثلاثة مفاهيم متميزة: القواعد النحوية المقيدة بالتناظر والأنواع، توليف البرامج الموجه بنماذج اللغة، واختيار النموذج القائم على اختيار نموذج ماركوف (MDL) المنظم بايزياً. يعمل خط الإنتاج عبر خمس مراحل نمطية:

المرحلة 1: المعالجة المسبقة وتقدير المشتقات

يتم تنعيم الملاحظات الخام وتفاضلها لتقدير $\dot{y}$ . وللتعامل مع الضجيج، يحل SymLang مسألة تباينية باستخدام إحدى الطريقتين:

الشرائح المنعمة (Smoothing Splines): للإشارات الناعمة، من خلال تقليل المقايضة بين دقة البيانات ونعومة المشتق الثاني.
تنظيم التباين الكلي (Total Variation Regularization): للإشارات المتقطعة.
يتم اختيار الطريقة آلياً عبر التحقق المتقاطع (Cross-validation) على أجزاء من البيانات المحجوزة.

المرحلة 2: إلغاء الأبعاد وقيود الوحدات

يتم إعادة تحجيم المتغيرات إلى أشكال عديمة الأبعاد باستخدام مقاييس مميزة مشتقة من إحصائيات البيانات. وهذا يتيح تطبيق نظرية بوكمان $\Pi$ (Buckingham $\pi$ ). يتم بناء قواعد نحوية متسقة النوع حيث تفرض كل قاعدة إنتاج اتساقاً في الأبعاد (على سبيل المثال، ضمان أن تكون مدخلات دالة sin عديمة الأبعاد). يعمل هذا كمرشح صارم، مما يلغي التعبيرات غير المنطقية فيزيائياً قبل أي عملية مطابقة.

المرحلة 3: بناء القواعد النحوية المقيدة بالتناظر

بالإضافة إلى الوحدات، يدمج الإطار التناظرات الفيزيائية كقواعد إنتاج صارمة في قواعد لغوية خالية من السياق (CFG):

التكافؤ (Parity): يفرض ديناميكيات فردية/زوجية (مثل قوى الاستعادة).
الثبات الدوراني (Rotational Invariance): يقيد التبعيات لتكون مرتبطة بثوابت المجموعة (مثل $\|x\|^2$ ) بدلاً من المكونات الكارتيزية الفردية.
الترجمة الزمنية (Time-Translation): يزيل الاعتماد الصريح على الزمن للأنظمة المستقلة (Autonomous systems).
ثبات غاليليو/لورنتز (Galilean/Lorentz Invariance): يفرض تبعيات السرعة النسبية/المسافة النسبية.
الأثر: تقوم هذه القيود بتقليص فضاء البحث بنسبة متوسطة تبلغ 71.3% قبل تقييم أي مرشح.

المرحلة 4: توليد البرامج الموجه باللغة

يعمل نموذج محول (Transformer) بـ 7 مليارات معلمة، من نوع "decoder-only"، كـ "مقترح".

المدخلات: يتلقى متجه وصف موجز وقابل للتفسير للبيانات (الميزات الطيفية، درجات التناظر، هياكل الارتباط).
المخرجات: يقوم بتوليد سلاسل تعبيرات (S-expression) تمثل أشجار التعبيرات بشكل تلقائي، وتكون متسقة مع النظام النوعي للقواعد النحوية.
التدريب: تم تدريب النموذج على 820,000 زوج من ملخصات البيانات والتعبيرات من أنظمة فيزيائية معروفة.
الكفاءة: يوجه هذا البحث نحو الأشكال المعقولة، مما يقلل الحاجة إلى أخذ العينات العشوائية.

المرحلة 5: مطابقة الثوابت واختيار النموذج

المطابقة (Fitting): لكل هيكل مرشح، يتم تحسين الثوابت القياسية باستخدام خوارزمية L-BFGS-B. تُضاف عقوبة فيزيائية "ناعمة" إذا تم اكتشاف كميات محفوظة في البيانات.
الاختيار (MDL): يتم ترتيب المرشحين باستخدام تسجيل طول الوصف الأدنى (MDL)، الذي يوازن بين الاحتمالية وبين تعقيد تشفير هيكل الشجرة والثوابت. هذا يمنع الإفراط في التخصيص (Overfitting).
تقدير عدم اليقين: إجراء التمهيد بالكتل (Block-bootstrap) يقيم الاستقرار الهيكلي. إذا تقلب ترتيب الهيكل بشكل كبير عبر عينات إعادة التشكيل، فإنه يُصنف كغير مستقر. كما يحسب النظام معلومات فيشر (Fisher Information) للكشف عن المعلمات غير القابلة للتمييز.

3. المساهمات الرئيسية

إطار عمل موحد: أول نظام يجمع بين القواعد النحوية المعتمدة على الأنواع (للضوابط الفيزيائية الصارمة)، ونماذج اللغة الكبيرة (لتوجيه البحث بكفاءة)، والاختيار البايزي للنماذج (لعدم اليقين) في خط إنتاج واحد.
الضوابط الفيزيائية الصارمة: من خلال ترميز التحليل البعدي وثبات المجموعة مباشرة في القواعد النحوية، يلغي النظام الغالبية العظمى من المرشحات غير المنطقية فيزيائياً مسبقاً.
الأمانة المعرفية (Epistemic Honesty): على عكس النماذج المرجعية التي تعيد تقديراً نقطياً واحداً، يوضح SymLang صراحةً التحلل الهيكلي (مثلاً: "معادلتان متساويتان في الصلاحية") ويحدد الأنظمة غير القابلة للتمييز، مما يمنع الاستنتاجات العلمية الخاطئة.
التعامل مع الملاحظة الجزئية: يوفر استراتيجيات لتعلم الديناميكيات الفعالة وتعزيز المتغيرات الكامنة، متفوقاً على النماذج المرجعية عند كون متغيرات الحالة مخفية.

4. النتائج التجريبية

تم تقييم الإطار على مجموعة اختبار تضم 133 نظاماً ديناميكياً عبر خمسة مجالات (الميكانيكا الكلاسيكية، الكهروديناميكا، الديناميكا الحرارية، ديناميكيات السكان، والمذبذبات غير الخطية) تحت مستويات متفاوتة من الضجيج والملاحظة الجزئية.

الاسترداد الهيكلي: تحت ضجيج ملاحظة بنسبة 10%، حقق SymLang معدل استرداد هيكلي دقيق بنسبة 83.7%. وهذا يمثل تحسناً قدره 22.4 نقطة مئوية عن أفضل نموذج مرجعي (PySR)، ويتفوق بشكل كبير على SINDy وDSR.
المتانة تجاه الضجيج: عند ضجيج بنسبة 30%، ظل الاسترداد عند 64.8%، بينما انخفضت النماذج المرجعية إلى ما دون 45%.
التعميم (خارج التوزيع - OOD): قلل SymLang من خطأ الاستقراء خارج التوزيع بنسبة 61% مقارنة بـ PySR.
الاتساق الفيزيائي: كاد أن يلغي انتهاكات قوانين الحفظ (الانحراف الفيزيائي: $3.1 \times 10^{-3}$ مقابل $187.3 \times 10^{-3}$ للمنافس الأقرب).
الملاحظة الجزئية: تحت حجب للحالة بنسبة 50%، استرد SymLang الهيكل الصحيح في 61.2% من الحالات، مقارنة بـ 38.4% لـ DSR. والأهم من ذلك، أنه حدد بشكل صحيح 91.3% من الأنظمة غير القابلة للتمييز كأنظمة غامضة، بينما أعطت جميع النماذج المرجعية معادلة خاطئة ولكن بثقة عالية.
كفاءة العينات: وصل Symable إلى استرداد بنسبة 80% باستخدام ~~4,800 خطوة زمنية، مما يتطلب 4 أضعاف أقل من العينات مقارنة بـ PySR (~~19,000 خطوة).

5. الأهمية والتأثير

الدقة العلمية: ينقل SymLang النموذج من "البحث عن أفضل معادلة" إلى "توصيف فضاء المعادلات الصالحة". ومن خلال توضيح عدم اليقين والتحلل الهيكلي، فإنه يساعد العلماء في تصميم تجارب مستهدفة لحل حالات الغموض.
قابلية التدقيق الفيزيائي: أي قانون يتم اكتشافه مضمون بأنه يحقق اتساق الوحدات وقيود التناظر من حيث التصميم، مما يضمن المصداقية العلمية التي لا تستطيع النماذج العصبية "الصندوق الأسود" توفيرها.
قابلية التكرار: إطار العمل مفتوح المصدر بالكامل، مع معيار صارم وإعداد تجريبي قابل للتكرار، مما يضع معياراً جديداً لأبحاث التراجع الرمزي.

باختصار، يمثل SymLang قفزة نوعية في الاكتشاف العلمي المؤتمت، حيث نجح في سد الفجوة بين التعلم الآلي القائم على البيانات والاستدلال الفيزيائي القائم على المبادئ الأولى للتعامل مع الضجيج، والملاحظة الجزئية، وعدم اليقين المتأصل في التجارب الواقعية.