ملخص تقني: التفكيك الحتمي للديناميكيات التوليدية العشوائية

بيان المشكلة

تُنظر النماذج التوليدية الحديثة بشكل متزايد من خلال منظور نقل الاحتمالات، حيث تتطور العينات من توزيع أساسي بسيط $\pi_0$ إلى توزيع بيانات مستهدف $\pi_1$. هناك تمييز جوهري بين النماذج الحتمية (مثل التدفقات المعيرة - Normalizing Flows، ومطابقة التدفق - Flow Matching)، التي تطور العينات عبر معادلات تفاضلية عادية (ODEs) تحكمها حقل سرعة، والنماذج العشوائية (مثل نماذج الانتشار - Diffusion Models)، التي تطور العينات عبر معادلات تفاضلية عشوائية (SDEs) تتضمن كلاً من الانجراف والانتشار.

بينما توفر النماذج الحتمية حقول سرعة قابلة للتحليل، فإن النماذج العشوائية تلتقط تطوراً أكثر ثراءً للكثافة. ومع ذلك، عند إعادة صياغة الديناميكيات العشوائية في تمثيلات حتمية (مثل معادلات تدفق الاحتمال - probability flow ODEs)، غالباً ما يتم ضغط الآليات المتميزة لـ الانجراف (النقل الاتجاهي) و الانتشار (إعادة تشكيل الكثافة) في حقل سرعة فعال واحد. هذا الاندماج يحجب الأدوار المحددة للتطور الحتمي مقابل التقلبات العشوائية، مما يجعل من الصعب تحليل أو التحكم في أو إعادة دمج هذه التأثيرات بشكل مستقل. تفشل النهج الحالية التي تعامل العشوائية كأنها مصدر ضوضاء خارجي أو تستوعبها بالكامل في انجراف موحد، في توفير تمثيل حتمي مهيكل يفصل بين النقل وبين التأثيرات الناجمة عن الانتشار.

المنهجية: تفكيك النقل–الأسموزي (Transport–Osmotic Decomposition)

يقترح المؤلفون إطاراً نظرياً يفكك حقل السرعة الحتمي لعملية توليدية عشوائية إلى مكونين متميزين ومتكاملين: حقل النقل ($u_t$) و الحقل الأسموزي ($d_t$).

1. الاشتقاق النظري

ينشأ هذا التفكيك من البنية ثنائية الاتجاه المتأصلة في العمليات العشوائية. بالنسبة لمسار كثافة هامشية معطى $\{\pi_t\}_{t \in [0,1]}$، يكون الانجراف الأمامي $b^\to_t$ والانجراف الخلفي $b^\leftarrow_t$ مرتبطين عبر الدرجة الهامشية (marginal score) $\nabla \log \pi_t$. وتحت شروط انتظام معيارية، تكون العلاقة هي:
$$b^\to_t(x) - b^\leftarrow_t(x) = \beta \nabla \log \pi_t(x)$$
حيث $\beta$ هو معامل الانتشار.

يعرف المؤلفون التفكيك كما يلي:

• حقل النقل ($u_t$): المكون المتماثل، ويُعرف بأنه متوسط الانجرافين الأمامي والخلفي:
  $$u_t(x) = \frac{1}{2} (b^\to_t(x) + b^\leftarrow_t(x))$$
  يحكم هذا الحقل نقل الاحتمال الهامشي عبر معادلة الاستمرارية ($\partial_t \pi_t + \nabla \cdot (\pi_t u_t) = 0$). يمثل هذا الحقل العمود الفقري الحتمي للديناميكيات، حيث ينقل الكتلة الاحتمالية دون تغيير الهندسة المحلية للكثافة من خلال الانتشار.
• الحقل الأسموزي ($d_t$): المكون غير المتماثل، ويُعرف بأنه نصف الفرق بين الانجرافين الأمامي والخلفي:
  $$d_t(x) = \frac{1}{2} (b^\to_t(x) - b^\leftarrow_t(x)) = \frac{\beta}{2} \nabla \log \pi_t(x)$$
  هذا الحقل محدد تماماً بالدرجة الهامشية. وهو يلتقط التأثيرات الناتجة عن الانتشار والمعتمدة على الكثافة (على غرار السرعة الأسموزية في نظرية الانتشار الكلاسيكية). لا يمثل هذا الحقل عشوائية على مستوى العينة، بل يمثل كيفية إعادة تشكيل الانتشار للكثافة الهامشية.

يتم إعادة بناء الانجراف الأمامي الأصلي كـ $b^\to_t = u_t + d_t$.

2. إطار مطابقة الجسر (Bridge Matching - BM)

لتعلم هذه الحقول المفككة، يقترح المؤلفون مطابقة الجسر، وهو إطار تدريب قائم على التدفق. بدلاً من تعلم حقل فعال واحد، تتعلم مطابقة الجسر شبكتين عصبيتين منفصلتين: $u_\theta$ (النقل) و $d_\phi$ (الأسموزي).

هدف التدريب هو خسارة انحدار (regression loss) تطابق الحقول المتعلمة مع الحقول المستهدفة:
$$\mathcal{L}_{BM} = \mathbb{E}_{t, x_t} \left[ \| u_\theta(x_t, t) - u^*(x_t, t) \|^2 + \lambda_d \| d_\phi(x_t, t) - d^*(x_t, t) \|^2 \right]$$

يقدم البحث صيغتين لبناء الأهداف $u^*$ و $d^*$:

• مطابقة الجسر الهامشية (MBM): تستهدف مباشرة التفكيك الهامشي. يحقق هدف النقل $u^*$ معادلة الاستمرارية للمسار المحدد، ويتم اشتقاق هدف الأسموزي $d^*$ من الدرجة الهامشية $\nabla \log \pi_t$. يتطلب هذا تقدير الدرجة الهامشية، غالباً عبر تقدير كثافة النواة (KDE).
• مطابقة الجسر الشرطية (CBM): تستخدم توزيعاً شرطياً قابلاً للتحليل $p_t(x|z)$ (مثل الاستيفاء الغاوسي بين النهايات الطرفية) لتجنب التقدير الصريح للدرجة الهامشية. تُعرف الأهداف شرطياً: $d^*_t(x, z) = \frac{\beta_t}{2} \nabla_x \log p_t(x|z)$ و $u^*_t = v^*_t - d^*_t$. ويؤدي التوقع عبر متغير الشرط $z$ إلى استعادة التفكيك الهامشي.

3. أخذ العينات وإعادة التركيب

الميزة الرئيسية للإطار هي القدرة على إعادة تركيب الحقول المتعلمة أثناء وقت أخذ العينات. تُعرف ديناميكيات أخذ العينات الأمامية كالتالي:
$$b^{BM}_t(x) = u_\theta(x, t) + \lambda_d d_\phi(x, t)$$
حيث $\lambda_d$ هو وزن قابل للضبط. يسمح هذا بالتحكم في عملية أخذ العينات حيث يمكن تعديل مساهمة التأثير الأسموزي الناتج عن الانتشار بشكل مستقل عن عمود النقل الفقري.

المساهمات الرئيسية

1. التفكيك النقل–الأسموزي: يقدم البحث تفكيكاً رسمياً للديناميكيات التوليدية العشوائية، موضحاً أن النماذج الحتمية والعشوائية تشترك في عمود فقري للنقل الهامشي ($u_t$) ولكنها تختلف في كيفية دمج التأثيرات الناتجة عن الانتشار ($d_t$) في ديناميكيات العينة.
2. إطار مطابقة الجسر: يقترح المؤلفون إطار تدريب يتعلم هذه الحقول المفككة باستخدام كل من الصيغ الهامشية والشرطية، مما يربط بفعالية بين معلومات الدرجة (score) وأهداف الانحدار من نمط التدفق.
3. أخذ عينات قابل للتحكم والتفسير: تظهر النتائج التجريبية أن إعادة تركيب المكونات المتعلمة بأوزان مختلفة ($\lambda_d$) يتيح تحكماً تفسيرياً في عملية التوليد. يسم الله تعديل $\lambda_d$ للمفاضلة بين حدة (sharpness) ونعومة (smoothness) الصور المولدة ويحسن مطابقة النهاية الطرفية في مهام نقل ثنائية الأبعاد محددة.

النتائج التجريبية

قيم المؤلفون مطابقة الجسر في مهام النقل ثنائية الأبعاد (checkerboard, moons, Gaussian mixtures) ومعايير توليد الصور (CIFAR-10, ImageNet-32, ImageNet-64).

• النقل ثنائي الأبعاد: في المهام ثنائية الأبعاد، حققت متغيرات BM مطابقة نهاية طرفية تنافسية مقارنة بنماذج مطابقة التدفق (FM) القياسية. وُجد أن وزن الأسموزي الأمثل $\lambda_d$ يعتمد على المهمة؛ فبالنسبة للأهداف المعقدة ومتعددة الأنماط، أدى زيادة المساهمة الأسموزية إلى تحسين المطابقة، بينما بالنسبة للهياكل الأبسط، قد يؤدي ذلك إلى تدهور الأداء.
• توليد الصور: في CIFAR-10 ومجموعات فرعية من ImageNet، حقق نموذج CBM جودة توليد مماثلة أو أفضل من خط الأساس CFM-Diffusion. والأهم من ذلك، أن الوزن الأمثل $\lambda_d$ اختلف عبر مقاييس التقييم المختلفة (FID, KID, IS)، مما يشير إلى أن التفكيك يوفر آلية للمفاضلة بين جوانب مختلفة من جودة التوليد. ومن الملاحظ أن أفضل أداء لم يتحقق دائماً عند $\lambda_d = 1$ (إعادة البناء النظري)، مما يشير إلى أن إعادة التركيب في وقت أخذ العينات يوفر درجة حرية مفيدة للنماذج ذات السعة المحدودة.
• التصور البصري: أكدت التصورات البصرية للحقول المتجهة أن $u_t$ يقود نقلاً متماسكاً واسع النطاق، بينما يظهر $d_t$ أنماطاً مهيكلة وأصغر نطاقاً مسؤولة عن إعادة تشكيل الكثافة المحلية. وأوضحت محاكاة مستوى الجسيمات كيف يقوم $d_t$ بإزاحة المسارات على طول مسار الاحتمال دون الهيمنة على اتجاه النقل العالمي.

الأهمية والادعاءات

يدعي البحث تقديم منظور موحد للديناميكيات التوليدية الحتمية والعشوائية. ومن خلال الفصل الصريح بين عمود النقل الفقري وبين تشكيل الكثافة الناتج عن الانتشار، يقدم العمل رؤية تفسيرية لكيفية تشكيل العشوائية لنقل الاحتمالات.

يؤكد المؤلفون أن هذا التفكيك ليس مجرد فضول نظري بل هو أداة عملية لـ التحكم. فهو يتيح للممارسين تعديل "المساهمة الأسموزية" في وقت أخذ العينات دون إعادة التدريب، مما يتيح تحكماً دقيقاً في خصائص العينات (مثل الحدة مقابل النعومة) ويسهل محتملاً إجراءات أخذ عينات تفاعلية (مثل الإيقاف المؤقت، أو العكس، أو إعادة التوليد من حالات وسيطة).

يبقى البحث متواضعاً فيما يتعلق بنطاقه، مشيراً إلى أن التفكيك ينطبق بشكل مباشر أكثر على الديناميكيات التوليدية القائمة على الحقول، وأن تعلم حقول منفصلة يضيف عبئاً حسابياً ونموذجياً إضافياً. ويُقترح للعمل المستقبلي التركيز على تقليل هذا العبء مع الحفاظ على فوائد التفسير والتحكم في التطبيقات النهائية.