Smokescreen: A Python package for data vector blinding and encryption in cosmological analyses

1. بيان المشكلة

تواجه التحليلات الكونية الحديثة تحديًا حرجًا: انحياز المجرب (experimenter bias). نظرًا لأن الكون المرصود هو كون واحد فقط، فإن الإشارات الكونية هي أنماط إحصائية (مثل دالات الارتباط أو أطياف القدرة) وليست أحداثًا موضعية، مما يجعل تقنيات "التعمية المزدوجة" (double-blind) أو "التعمية الأحادية" (single-blind) التقليدية صعبة التنفيذ. وبدون استراتيجيات إخفاء مبدئية، يواجه المحللون خطر ضبط مسارات عملهم (pipelines) لا شعوريًا لتتطابق مع النتائج المتوقدة أو النتائج من تجارب أخرى، مما يقوض النزاهة العلمية.

تعاني استراتيجيات التعمية الموجودة في هذا المجال من قيود محددة:

• طرق مستوى الفهرس (Catalogue-level): قوية ولكن يصعب تنفيذها للتجارب متعددة المجسات.
• طرق مستوى اللاحقيات (Posterior-level): بسيطة ولكنها تترك ناقلات البيانات الخام غير معماة أثناء التحليل.
• طرق مستوى التباين (Covariance-level): أنيقة رياضيًا ولكن يصعب تطبيقها بسبب اختلاف بناء مصفوفات التباين.
• التنفيذات الارتجالية (Ad-hoc): استخدمت التجارب السابقة (DES، KiDS، HSC) حلولًا مخصصة وغير قابلة لإعادة الاستخدام وتفتقر إلى المعيارية.

كان هناك فجوة محددة في منظومة تعاون علم الكونيات للطاقة المظلمة في مسح لستر LSST (DESC): لم تكن هناك أداة معيارية موجودة لتعمية ناقلات البيانات مع ضمان أن النموذج النظري المستخدم للتعمية هو نفسه المستخدم للاستدلال.

2. المنهجية

يعالج برنامج Smokescreen هذه المشكلة من خلال تنفيذ تعمية ناقل البيانات (data-vector blinding) بناءً على الإطار الذي حدده Muir وآخرون (2020). الفلسفة الجوهرية هي تطبيق إزاحات تعتمد على الكوزمولوجيا (الكونيات) على ناقل البيانات المرصود، مما يبعده عن الإشارة الحقيقية دون تغيير خصائصه الإحصائية (التباين).

الخوارزمية الأساسية

تتضمن العملية خمس خطوات:

1. تعريف الإزاحة: يحدد المستخدم توزيع الإزاحة (حتمي، منتظم، أو غاوسي) لمعلمات كوزمولوجية محددة ($\theta_i$).
2. بناء الكوزمولوجيا المعماة: يتم إنشاء كوزمولوجيا مخفية: $\theta_{blind} = \theta_{ref} + \Delta\theta$.
3. تقييم متجه النظرية: باستخدام إطار احتمالية Firecrown، يتم حساب متجه النظرية $T(\theta, s)$ لكل من الكوزمولوجيا المرجعية ($\theta_{ref}$) والكوزمولوجيا المعماة ($\theta_{blind}$)، مع تثبيت معلمات المزعجة ($s_{ref}$).
   • $d_{ref} = T(\theta_{ref}, s_{ref})$
   • $d_{blind} = T(\theta_{blind}, s_{ref})$
4. حساب عامل التعمية: يتم حساب العامل إما في شكل جمعي أو ضربي:
   • الجمعي: $f_{add} = d_{blind} - d_{ref}$
   • الضربي: $f_{mult} = d_{blind} / d_{ref}$
5. التطبيق: يتم تطبيق العامل على ناقل البيانات المرصود ($d_{obs}$) لإنتاج الناقل المعما ($\hat{d}$):
   • $\hat{d} = d_{obs} + f_{add}$ أو $\hat{d} = d_{obs} \cdot f_{mult}$

ميزات التصميم الرئيسية

• اتساق النموذج: من خلال استخدام Firecrown (نفس المكتبة المستخدمة في الاستدلال) لحساب الإزاحات، يضمن Smokescreen أن النموذج النظري المستخدم للتعمية مطابق لنموذج الاستدلال.
• الحفاظ على التباين: بما أن معلمات المزعجة ثابتة أثناء حساب الإزاحة، فإن مصفوفة التباين تظل دون تغيير، مما يسمح لمسارات الاستدلال القياسية بالعمل على البيانات المعماة دون تعديل.
• الأمان: يتم تشفير ملف SACC الأصلي (الذي يحتوي على الكوزمولوجيا الحقيقية) باستخدام Fernet (تشفير AES-128-CBC + HMAC-SHA256) فور إنشاء الملف المعما. ويتم تخزين مفتاح التشفيد بشكل منفصل.
• استقلالية التنسيق: يعمل على تنسيق SACC (حاوية تحليل الكوزمولوجيا القياسية)، مما يجعله قابلاً للتطبيق على أي تجربة تستخدم Firecrown وSACC، وليس فقط LSST.

3. المساهمات الرئيسية

• مكتبة مفتوحة المصدر ومعيارية: يعد Smokescreen أول مكتبة بايثون مخصصة ومفتوحة المصدر لتعمية ناقل البيانات مصممة للتكامل مع مسارات العمل على مستوى التعاون.
• بنية نمطية (Modular): تم هيكلة الكود حول فئة ConcealDataVector مع فصل المهام المتعلقة باضطراب المعلمات، وحساب متجه النظرية، والتشفير، والتنسيق.
• التحقق والاختبار: تتضمن الحزمة مجموعة اختبار صارمة (تغطية كود بنسبة 94%) تتحقق من الصحة الفيزيائية (مثل الالتزام الدقيق بمعادلات التعمية) بدلاً من مجرد أشكال المصفوفات.
• تكامل التشفير: يوفر تشفيراً مدمجاً وآمناً للبيانات الأصلية، مما يمنع فك التعمية العرضي.
• المرونة: يدعم توزيعات الإزاحة الحتمية والمنتظمة والغاوسية، ويسمح بتكوينات معقدة عبر YAML أو واجهة سطر الأوامر (CLI).

4. النتائج

أثبت المؤلفون فعالية Smokescreen باستخدام ناقل بيانات محاكى لـ LSST العام الأول (Y1) 3×2pt (الذي يجمع بين القص الكوني، وعدسة المجرات-المجرات، وتجمع المجرات).

• فعالية التعمية: تم إنشاء نسختين معماة ("Blind A" و "Blind B") باستخدام إزاحات حتمية لمعلمة السعة ($A_s$) ومعلمة معادلة الحالة للطاقة المظلمة ($w$).
• التحقق الكوزمولوجي:
  • إزاحة اللاحقية (Posterior Shift): أظهر الاستدلال على ناقلات البيانات المعما انزياح التوزيعات اللاحقية نحو الكوزمولوجيا المعماة، مما نجح في إخفاء القيم الحقيقية.
  • جودة المطابقة (Goodness-of-Fit): ظل مربع "كاي" المختزل ($\chi^2_{red}$) دون تغيير فعلي (0.0039 للحقيقي مقابل ~0.007–0.008 للمعما)، مما يلبي الشرط بأن التعمية لا تضعف جودة المطابقة.
  • الدليل البايزي: كان لوغاريتم الدليل ($\log Z$) غير متمايز إحصائيًا بين الحالات الحقيقية والمعما ($|\Delta \log Z| \le 1$)، مما يؤكد أن التحليلات المعماة صالحة إحصائيًا.
  • التعامل مع التحلل (Degeneracy): انزاحت المعلمات التي لم يتم إزاحتها صراحة (مثل $\Omega_{cdm}$) قليلاً بسبب التحللات المعروفة بين المعلمات ($A_s$–$\Omega_{cdm}$–$w$)، مما يثبت أن الطريقة تحافظ على الارتباطات الفيزيائية (المعيار الأول).

5. الأهمية

• الجاهزية لـ LSST DESC: يوفر Smokesque البنية التحتية اللازمة لمرصد فيرا روبين (Vera C. Rubin Observatory) لـ LSST، مما يضمن استراتيجية تعمية متسقة على مستوى التعاون قبل بدء المسح.
• الاعتماد المجتمعي: يتم تبنيه بالفعل من قبل تعاونات أخرى، مثل KiDS، لتحليل الإرث 6×2pt الخاص بهم، مما يثبت فائدته خارج نطاق LSST.
• النزاهة العلمية: من خلال القضاء على عدم الاتساق بين نماذج التعمية والاستدلال، يقلل Smokescreen من خطر انحياز "الضبط" (tuning)، مما يعزز مصداقية القياسات الكونية للمرحلة الرابعة (Stage-IV).
• الشفافية: تسمح الطبيعة مفتوحة المصدر للمجتمع الأوسع بفحص والتحقق من كيفية حساب إزاحات التعمية، مما يعزز الثقة في النتائج الكونية.

التوفر:

• المصدر: github.com/LSSTDESC/Smokescreen
• الترخيص: BSD 3-Clause
• التثبيت: متاح عبر conda (lsstdesc-smokescreen) و pip (smokescreen).