ملخص تقني: توليد التصميم بمساعدة الحاسوب عبر نموذج الانتشار المنفصل المتتالي

1. بيان المشكلة

يعد التصميم بمساعدة الحاسوب (CAD) حجر الزاوية في الهندسة الحديثة، ومع ذلك لا يزال إنشاؤه يعتمد بشكل كبير على سير عمل يدوي كثيف العمالة وعرضة للخطأ البشري. وبينما سعت أساليب التعلم العميق الحديثة إلى أتمتة توليد الـ CAD من خلال تمثيل النماذج كسلسلة من الأوامر والمعاملات المنفصلة، تواجه الأساليب الحالية عائقاً جوهرياً.

تعمل الأساليب الرائدة الحالية، مثل النماذج ذات التراجع الذاتي (Autoregressive models) أو نماذج الانتشار المستمرة (مثل Diffusion-CAD)، على تضمين رموز (tokens) الـ CAD المنفصلة في فضاء إقليدي مستمر. ويجادل المؤلفون بأن هذا النهج غير متوافق جوهرياً مع طبيعة بيانات الـ CAD؛ حيث إن رموز الـ CAD هي بطبيعتها منفصلة وغير متجانسة، وإن إسقاطها في مجال مستمر يفشل في الحفاظ على علاقات الجوار الدلالية. وبناءً على ذلك، فإن ضجيج غاوس (Gaussian noise) المتماثل المناحي المستخدم في الانتشار المستمر يؤدي إلى تشويه التمثيلات إلى مناطق ترتبط برموز CAD غير صالحة دلالياً أو عديمة المعنى، مما يقوض الصلاحية الهندسية للتصاميم المولدة.

2. المنهجية

لمعالجة هذه القيود، يقترح البحث نموذج الانتشار المنفصل المتتالي (CDDM). يعمل هذا الإطار مباشرة على توزيعات الرموز الفئوية بدلاً من التضمينات المستمرة، مما يضمن الاتساق الدلالي طوال عملية التوليد. تنقسم البنية إلى مرحلتين متتاليتين:

أ. البنية المتتالية (Cascaded Architecture)

يتم تحليل مهمة التوليد إلى احتمالات شرطية: $p(M) = p(\zeta) p(\theta | \zeta)$، حيث تمثل $\zeta$ تسلسل أوامر الـ CAD المنفصلة، وتمثل $\theta$ المعاملات المرتبطة بها.

1. انتشار الأوامر (Command Diffusion): يولد تسلسل الأوامر المنفصلة (مثل: خط، دائرة، بثق/Extrude).
2. انتشار المعاملات (Parameter Diffusion): يولد المعاملات المكممة بناءً على الأوامر المولدة.

ب. العملية الأمامية: مصفوفات الانتقال المدركة للرموز

على عكس الانتشار القياسي الذي يطبق ضجيجاً موحداً، يستخدم نموذج CDDM سلسلة ماركوف (Markov chain) مع مصفوفات انتقال ($Q_t$) مصممة بعناية لتناسب الطبيعة الخاصة للبيانات:

• بالنسبة للأوامر: يتم استخدام مصفوفة انتقال الحالة الممتصة (Absorbing-state transition matrix). تعمل هذه المصفوفة على إفساد الرموز تدريجياً نحو رمز ممتص محدد، مما يؤدي فعلياً إلى محو المحتوى الدلالي بطريقة تتوافق مع الطبيعة التسلسلية للأوامر.
• بالنسبة للمعاملات: إدراكاً لعدم تجانس معاملات الـ CAD، صمم المؤلفون ثلاث نواة انتقال (kernels) محددة:
  • معاملات الإحداثيات: تُستخدم نواة قائمة على التوزيع الغاوسي (Gaussian-based kernel) لالتقاط الاستمرارية المكانية المحلية (على سبيل المثال، ضمان أن الرمز 100 ينتقل على الأرجح إلى 99 أو 101 بدلاً من 1).
  • المعاملات الأبعادية: تُستخدم نواة ثابتة المقياس (Scale-invariant kernel). وهي تقيس الاضطراب نسبياً (على سبيل المثال، $|i-j|/(i+j)$) بدلاً من القياس المطلق، مما يضمن معاملة التغيير بنسبة 1% في بُعد كبير بشكل مشابه للتغيير بنسبة 1% في بُعد صغير.
  • المعاملات المنطقية (Boolean): تعمل نواة حافظة للأولويات (Prior-preserving kernel) على قصر الانتقالات على الفئات الصالحة بناءً على الإحصاءات التجريبية للتدريب، مما يمنع الانتشار إلى حالات غير صالحة.

ج. العملية العكسية: شبكات إزالة الضجيج (Denoising Networks)

تتم عملية استعادة البيانات النظيفة من الحالات الفاسدة بواسطة شبكتين مختلفتين:

1. مزيل ضجيج الأوامر (Command Denoiser): وهو مشفر "ترانسفورمر" (Transformer encoder) مزود بآلية انتباه ذاتي متعددة الرؤوس لنمذجة التبعيات العالمية بين رموز الأوامر.
2. مزيل ضجيج المعاملات (Parameter Denoiser): بنية "ترانسفورمر" متخصصة تتضمن:
   • الانتباه الذاتي العالمي (Global Self-Attention): للتبعيات طويلة المدى.
   • الانتباه الذاتي المحلي (Local Self-Attention): وهو ابتكار جوهري حيث تقوم قناع الانتباه على مستوى الأمر بكبح التفاعلات بين المعاملات التي تنتمي إلى أوامر مختلفة، مما يضمن ارتباط المعاملات بأمرها الخاص فقط.
   • الانتباه المتقاطع (Cross-Attention): يقوم بحقن تسلسل الأوامر المولد كشرط لتوجيه توليد المعاملات.

د. التوليد الشرطي (Conditional Generation)

يدعم الإطار التوليد الشرطي (مثل التوليد من السحب النقطية أو أطوال أوامر محددة) من خلال إدخال طبقات انتباه متقاطع إضافية تدمج الميزات الشرطية (من نموذج PointNet أو مؤشرات الطول) مع ميزات الأوامر والمعاملات.

3. المساهمات الرئيسية

يوضح البحث ثلاث مساهمات رئيسية:

1. أول إطار عمل للانتشار المنفصل المتتالي للـ CAD: قدم المؤلفون نموذجاً يعمل مباشرة على الرموز الفئوية دون التضمين المستمر، مما يحافظ على الاتساق الدلالي ويتجنب الأشكال الهندسية غير الصالحة الشائعة في الانتشار المستمر.
2. آليات الانتقال المدركة للرموز: تصميم مصفوفات انتقال محددة للمعاملات غير المتجانسة (غاوسية للإحداثيات، ثابتة المقياس للأبعاد، وحافظة للأولويات للمنطقية) يتيح عمليات إفساد قابلة للتحكم وصالحة للرموز، وهو أمر مستحيل في المساحات المستمرة.
3. شبكة إزالة ضجيج المعاملات المدركة للأوامر: اقتراح بنية شبكة تتميز بالانتباه الذاتي المحلي (لتقييد تفاعلات المعاملات داخل الأوامر) والشرط المتقاطع، والتي تنمذج صراحة العلاقة الهيكلية بين الأوامر ومعاملاتها.

4. النتائج التجريبية

أُجريت التجارب على مجموعة بيانات DeepCAD (أكثر من 178,000 نموذج).

• التوليد غير الشرطي: تفوق نموذج CDDM على النماذج التراجعية الحالية (DeepCAD, Skexgen) ونماذج الانتشار المستمرة (Diffusion-CAD) عبر مقاييس متعددة. ومن الجدير بالذكر أنه حقق تغطية (COV) بنسبة 89.10% (مقابل 79.11% لـ Diffusion-CAD) ومعدل عدم صلاحية (Invalidity rate) بنسبة 4.0% (مقابل 4.1% لـ Diffusion-CAD، وهو أقل بكثير من طرق B-rep التي تراوحت بين 20-30%).
• دراسات الاستئصال (Ablation Studies):
  • المتتالي مقابل الموحد: أدى نموذج الانتشار الموحد (الذي يعامل الأوامر والمعاملات كتسلسل واحد) إلى معدل عدم صلاحية تجاوز 90%، مما يؤكد ضرورة النهج المتتالي.
  • المنفصل مقابل المستمر: تفوق الانتشار المنفصل بشكل كبير على الانتشار المستمر لتوليد المعاملات، مما يؤكد الادعاء بأن الضجيج المستمر يفسد دلالات الرموز المنفصلة.
  • مصفوفات الانتقال: حقق استخدام مصفوفات الانتقال المختلطة المقترحة (الغاوسية، ثابتة المقياس، والحافظة للأولويات) نتائج متفوقة مقارنة باستخدام مصفوفة انتقال موحدة لجميع المعاملات.
  • آليات الانتباه: تفوق الجمع بين طبقات الانتباه الذاتي العالمي والمحلي في شبكة المعاملات على استخدام أي من الطبقتين بمفردهما.
• التوليد الشرطي: أظهرت النتائج النوعية قدرة فعالة على التحكم، حيث نجح النموذج في توليد نماذج CAD بأطوال أوامر محددة وإعادة بناء تسلسلات CAD صالحة من مدخلات السحب النقطية.

5. الأهمية والادعاءات

يزعم البحث أن نموذج CDDM المقترح يمثل تقدماً كبيراً في التوليد الآلي للـ CAD من خلال احترام الطبيعة المنفصلة وغير المتجانسة لبيانات التصميم. ومن خلال الابتعاد عن التضمينات المستمرة، يتجنب الأسلوب عدم الاتساق الدلالي الذي يعاني منه نهج الانتشار السابق.

يضع المؤلفون عملهم كأول تطبيق ناجح لإطار عمل الانتشار المنفصل المتتالي في هذا المجال. ويؤكدون أن آليات الانتقال المدركة للرموز وهياكل الانتباه المدركة للأوامر توفر حلاً قوياً لتوليد نماذج CAD متنوعة وصالحة هندسياً، متفوقة على أحدث التقنيات في كل من جودة التوليد غير الشرطي والقدرة على التحكم الشرطي. ومن المقرر إصدار الكود المصدري لتسهيل المزيد من الأبحاث.