Physics-driven Comparative Analysis of Various Statistical Distance Metrics and Normalizing Functions

إليك ملخص تقني مفصل لورقة البحث بعنوان "التحليل المقارن القائم على الفيزياء لمختلف مقاييس المسافة الإحصائية ودوال التطبيع" للباحث ن. فؤاد.

١. بيان المشكلة

في التحليل العلمي، والتعلم الآلي، واختبار الفرضيات، تبرز حاجة ماسة ومستمرة لتحديد مدى التباين بين دالتي كثافة الاحتمال (PDFs) أو دوال كتلة الاحتمال (PMFs). ورغم وجود العديد من مقاييس المسافة ومقاييس التباعد (مثل: مسافة هيلينجر، وواسرستاين، وجنسن-شانون)، إلا أنه لا يوجد إجماع معياري حول المقياس الأكثر قوة (robust) لتطبيقات فيزيائية محددة.

وتشمل التحديات الرئيسية التي تعالجها هذه الورقة ما يلي:

• تباين المقاييس: غالبًا ما تعطي المقاييس المختلفة "مسافات" متباينة تمامًا لنفس الزوج من التوزيعات.
• حساسية التطبيع (Normalization): تنتج العديد من المقاييس قيمًا غير محدودة أو قيمًا تتشبع عند الرقم ١، مما يجعلها غير حساسة للفروق بين المجموعات "المنفصلة تمامًا" والمجموعات "المنفصلة بأقصى حد".
• مشكلات الاستقرار: قد تسلك المقاييس سلوكًا غير متوقع تحت تأثير التغيرات في حجم العينة (الإحصائيات المنخفضة) أو طول التجزئة (Binning).
• الافتقار إلى السياق الفيزيائي: معظم المقارنات هي مقارنات رياضية بحتة؛ تسعى هذه الدراسة إلى تأصيل المقارنة في بيانات فيزيائية تجريبية من العالم الحقيقي.

٢. المنهجية

أ. مصدر البيانات والسياق الفيزيائي

تستخدم الدراسة بيانات تجريبية من مطياف جرمانيوم عالي النقاء (HPGe) (من نوع PPC) يعمل تحت ظروف الفراغ المبرد.

• المصدر: نظير $^{83}$Kr المتحلل.
• أنواع الأحداث: تميز مجموعة البيانات بين أحداث الإلكترونات (الجسيمات المشحونة) وأحداث الفوتونات (الجسيمات المتعادلة).
• التمييز الفيزيائي: تترسب الإلكترونات طاقة قريبة جدًا من السطح (تتوقف ضمن مسافة $\sim\mu$m)، مما يخلق ارتفاعًا حادًا في شكل الموجة الإشارية. أما الفوتونات فتخترق بعمق أكبر ($\sim 100\mu$m)، مما يؤدي إلى زمن صعود أبطأ.
• المعلمة محل الاهتمام (PoI): يعرّف المؤلفون معلمة عديمة الأبعاد $x$ بناءً على حدة حافة صعود شكل الموجة:
  $$x = \max\left(\frac{ds(t)/dt}{E}\right)$$
  حيث $s(t)$ هو شكل الموجة الإشارية و $E$ هي الطاقة. يتم إعادة تحجيم هذه القيمة لتكون في النطاق $[0, 1]$.
• توليد التوزيعات: تم توليد دوال كتلة الاحتمال (PMFs) من قيم $x$ لـ 6,982 حدث إلكترون و 14,146 حدث فوتون. لوحظ أن التوزيعات منفصلة ولكنها ليست منفصلة بأقصى حد.

ب. المقاييس التي تم تقييمها

تقارن الورقة بين سبعة مقاييس مسافة محددة بين دوال كتلة الاحتمال للإلكترونات والفوتونات:

1. مسافة هيلينجر ($H$)
2. مسافة واسترستاين-1 ($W_1$)
3. مسافة واسترستاين-2 ($W_2$)
4. الجذر التربيعي لتباعد جنسن-شانون ($\sqrt{JS}$)
5. معيار $L_\infty$ (مسافة تشيبيشيف)
6. مسافة كولموغوروف-سميرنوف ($KS$)
7. مسافة فيشر-راو ($FR$)

ج. استراتيجية التطبيع (Normalization)

بما أن بعض المقايسة (مثل $W_1$) غير محدودة بينما أخرى (مثل $FR$) محدودة بـ $\pi/2$ أو 1، يقترح المؤلفون مجموعة من دوال التطبيع $n(x)$ لتعيين جميع مخرجات المقاييس على نطاق قياسي $[0, 1)$.

• الخصائص المقترحة لـ $n(x)$: الحدود (من $0 \to 1$)، التباين الحيوي (Bijectivity)، الرتابة (Monotonicity)، والحفاظ على المقياس (إذا كان $d$ مقياسًا، فيجب أن يكون $n \circ d$ مقياسًا أيضًا).
• الدوال المختبرة:
  1. $n_1(x) = \frac{\log(1+x)}{1+\log(1+x)}$
  2. $n_2(x) = \frac{x}{1+x}$
  3. $n_3(x) = 1 - e^{-x}$
  4. $n_4(x) = \frac{2}{\pi}\arctan(x)$
• الضبط (Control): تم اختبار حالة "عدم التطبيع" ($n_0$) أيضًا.

د. تحليل الاستقرار

تم اختبار قوة كل مقياس مقابل:

• طول التجزئة (Discretization Length): تغيير حجم الخلية (bin size) لـ PMFs.
• حجم العينة: تقليل عدد الأحداث لمحاكاة سيناريوهات الإحصائيات المنخفضة.

٣. النتائج الرئيسية

أ. أداء المقاييس والتشبع

• مشكلات التشبع: غالبًا ما تشبعت مقاييس مثل هيلينجر، وKS، وفيشر-راو عند القيمة 1.0، مما يشير إلى عدم قدرتها على التمييز بين التوزيعات المنفصلة مجردًا والتوزيعات المنفصلة بأقصى حد.
• عدم الاستقرار غير المحدود: كانت $W_1$ و $L_\infty$ الأقل عرضة للتشبع، لكنهما كانتا غير مستقرتين للغاية تحت تأثير التغير في التجزئة والإحصائيات المنخفضة.
• الفائز ($\sqrt{JS}$): برز الجذر التربيعي لمسافة جنسن-شانون كمقياس الأكثر موثوقية. فقد حافظ على استقراره عبر أطوال التجزئة وأحجام العينات دون أن يتشبع مبكرًا.

ب. تأثير التطبيع

• الانحراف المعياري: أدت دوال التطبيع المحددة يدويًا ($n_1$–$n_4$) عمومًا إلى تقليل الانحراف المعياري للقياسات مقارنة بالمقاييس الخام غير المطبعة. وهذا يشير إلى أن التطبيع يقرب المقاييس المختلفة من بعضها البعض.
• حساسية المقياس:
  • الأقل تأثرًا: أظهرت مسافات هيلينجر و $\sqrt{JS}$ أدنى تغيير بغض النظر عن دالة التطبيع المختارة.
  • الأكثر تأثرًا: كانت مسافات $L_\infty$ و Fisher-Rao شديدة الحساسية لاختيار دالة التطبيع.
• السلوك المحدد: تشبعت $W_2$ و $\sqrt{JS}$ فقط تحت دالة $n_3(x)$، في حين وُجد أن $W_2$ غير مستقرة للغاية فيما يتعلق بالتجزئة والإحصائيات.

ج. الملاحظات البصرية والإحصائية

• الشكل 9 (التجزئة): كانت $W_2$ الأكثر حساسية لتغير حجم الخلية، بينما ظلت هيلينجر، و $\sqrt{JS}$، وفيشر-راو مستقرة.
• الشكل 10 (حجم العينة): لوحظ أن $\sqrt{JS}$ و $L_\infty$ و Fisher-Rao كانت الأكثر عدم استقرار تحت ظروف الإحصائيات المنخفضة (عدد أحداث صغير $N$)، رغم أن $\sqrt{JS}$ تعافت بشكل أفضل من غيرها في التحليل العام للاستقرار.

٤. المساهمات الرئيسية

1. معيار قائم على الفيزياء: تقدم الورقة مقارنة منهجية ونادرة لمقاييس المسافة الإحصائية باستخدام بيانات تجريبية حقيقية مشوشة (إشارات كاشف HPGe) بدلاً من التوزيعات الرياضية الاصطناعية.
2. تعريف معايير التطبيع: تحدد رسميًا الخصائص التي يجب أن تمتلكها دالة التطبيع للحفاظ على بديهيات المقياس (تحديدًا متباينة المثلث) وتقترح أربع دوال محددة لاختبار هذه الخصائص.
3. تحديد المقياس الأمثل: تحدد أن $\sqrt{JS}$ هو المقياس المتفوق لهذا النوع المحدد من المشكلات (التمييز بين أنواع الجسيمات في التحليل الطيفي) نظرًا لتوازنه بين الحفاظ على عدم التشبع والاستقرار.
4. رؤى التطبيع: توضح أن التطبيع يقلل التباين بين المقاييس، لكن اختيار الدالة أمر بالغ الأهمية لبعض المقاييس (مثل $L_\infty$) ولكنه أقل أهمية لأخرى (مثل $\sqrt{JS}$).

٥. الأهمية

هذا العمل مهم لمجالات الفيزياء النووية، وكشف الجسيمات، والتعلم الآلي المطبق على البيانات العلمية.

• للباحثين التجريبيين: يوفر إرشادات لاختيار أدوات إحصائية قوية للتمييز بين أحداث الإشارة والخلفية (مثل التمييز بين الإلكترونات والفوتونات) في بيئات الإحصائيات المنخفضة أو الضجيج العالي.
• لعلماء البيانات: يسلط الضوء على مخاطر استخدام المقايسة غير المحدودة بدون تطبيع ويقدم إطارًا لاختبار استقرار المقياس ضد أخطاء التجزئة وأخطاء أخذ العينات.
• القابلية للتعميم: يمكن تطبيق "المعلمة محل الاهتمام" (حدة شكل الموجة) وإطار المقارنة المقترح على تقنيات الكشف الأخرى ومشكلات التصنيف حيث يكون شكل الموجة هو الميزة المميزة.

في الختام، تجادل الورقة بأن مسافة $\sqrt{JS}$، مع إمكانية استخدام تطبيع بسيط، هي الأداة الأكثر قوة لتحديد التباين بين توزيعات أحداث الإلكترونات والفوتونات في كواشف HPGe، حيث تتفوق على المقاييس التقليدية مثل "واسرستاين" أو "كولموغوروف-سميرنوف" من حيث الاستقرار والحساسية.