jNO: A JAX Library for Neural Operator and Foundation Model Training
تُعد jNO مكتبة موحدة أصلية في JAX تعمل على تبسيط تدريب المشغلات العصبية والنماذج التأسيسية من خلال دمج النهج القائم على البيانات والنهج المستند إلى الفيزياء في نظام تتبع رمزي واحد، مما يتيح انتقالات سلسة بين انحدار المشغل، وتقييم المتبقي المدرك للشبكة، والتحسين المقيد بالمعادلات التفاضلية الجزئية دون الحاجة إلى إعادة هيكلة الكود.
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 تحاول تعليم حاسوب فهم قوانين الفيزياء، مثل كيفية انتقال الحرارة عبر لوح معدني أو كيف تتدفق المياه حول صخرة. في الماضي، كان القيام بذلك باستخدام الذكاء الاصطناوي يشبه محاولة بناء منزل حيث يتحدث المهندس المعماري، والسباك، والكهربائي، والنجار لغات مختلفة ويستخدمون مخططات مختلفة. كان عليك كتابة مجموعة من الأكواد لشكل الغرفة (الهندسة)، ومجموعة أخرى للمعادلات الرياضية (الفيزياء)، وثالثة لعملية التعلم الفعلية. وإذا أردت الانتقال من نوع من الرياضيات إلى نوع آخر، فغالباً ما كان عليك هدم المنزل بأكمله والبدء من جديد.
تعد jNO (مشغلات جافس العصبية - jax Neural Operators) أداة جديدة تعمل بمثابة "مترجم عالمي" و"بناء ماهر" في آن واحد. إنها مكتبة برمجية مصممة لجعل تدريب هذه النماذج الذكية فيزيائياً أسهل وأسرع وأكثر مرونة، وتحديداً للغة البرمجة JAX (وهي أداة شائعة للحوسبة العلمية عالية السرعة).
إليك كيف تعمل، باستخدام بعض التشبيهات البسيطة:
1. سحر "السيناريو الواحد" (نظام التتبع)
فكر في jNO كأنه سيناريو واحد سحري يتحكم في موقع البناء بأكل.
- قبل: كان عليك كتابة سيناريو للمخطط، وسيناريو منفصل للرياضيات، وسيننيو آخر لقواعد التعلم. إذا أردت تغيير الرياضيات، كان عليك إعادة كتابة سيناريو المخطط أيضاً.
- مع jNO: تكتب كل شيء بلغة واحدة. تحدد شكل الغرفة، والمعادلات الفيزيائية، وأهداف التعلم، كل ذلك في خطوة واحدة. يقوم البرنامج بـ "تتبع" (أو تسجيل) تعليماتك مثل مخرج يصور مشهداً سينمائياً. لاحقاً، يقوم بتجميع هذا "الفيلم" ليصبح برنامجاً فائق الكفاءة وعالي السرعة. وهذا يعني أنه يمكنك التبديل بين أنواع مختلفة من المسائل الرياضية أو إضافة قواعد فيزيائية جديدة دون الحاجة لإعادة كتابة الكود الخاص بك.
2. نماذج الأساس من نوع "الليغو" (Lego)
حالياً، هناك العديد من "نماذج الأساس" (الأدمغة الاصطناعية المدربة مسبقاً) للفيزياء، لكنها تشبه مجموعات الليغو من شركات مصنعة مختلفة التي لا تتوافق مع بعضها البعض. إحدى العلامات التجارية تستخدم طوباً أحمر، والأخرى زرقاء، ولا يمكن رصّهما فوق بعضهما.
- دور jNO: يعمل كمحول عالمي. يأخذ هذه النماذج الذكية المختلفة (مثل Poseidon وWalrus وMorph) ويترجمها بحيث تتناسب جميعها مع نظام JAX البيئي. الآن، يمكن للباحث أخذ "دماغ" مدرب مسبقاً، وتعديله قليلاً، ودمجه مع قواعده الفيزيائية المخصصة، كل ذلك دون الحاجة لتغيير أدوات البرمجيات.
3. "الشبكة الذكية" (التعامل مع الأشكال)
عند محاكاة الفيزياء، تحتاج الحواسيب إلى تقسيم الأشكال (مثل أنبوب منحني أو مبنى معقد) إلى قطع شبكية صغيرة تسمى "الشبكة" (mesh).
- الابتكار: تمتلك jNO نظام "شبكة ذكية" مدمج. الأمر يشبه امتلاك روبوت يمكنه رسم شبكة فورية فوق أي شكل تصفه، سواء كان مربعاً بسيطاً أو جسماً ثلاثي الأبعاد معقداً يحتوي على ثقوب. فهو يتتبع أي جزء من الشبكة هو "الداخل"، وأيها "الجدار"، وأيها "الحدود"، حتى يعرف الذكاء الاصطناعي بالضبط أين يطبق القواعد الفيزيائية.
4. "مقبض الضبط الدقيق"
أحياناً تريد أخذ ذكاء اصطناعي مدرب مسبقاً وتعليمه مهمة جديدة محددة.
- لوحة التحكم: تمنحك jNO لوحة تحكم مفصلة للغاية. يمكنك أن تقول للذكاء الاصطناعي: "جمّد هذه الأجزاء من دماغك حتى لا تتغير"، أو "تعلم فقط من هذه الروابط المحددة"، أو "استخدم سرعة تعلم معينة". يمكنك القيام بذلك لأجزاء فردية من النموذج دون الحاجة لإعادة بناء الشيء بأكله. إنه يشبه القدرة على ضبط مستوى صوت الطبول في أغنية دون تغيير الجيتار أو الغناء.
5. محرك "الوضع المزدوج" (FEM و PINNs)
تسلط الورقة الضوء على أن jNO يمكنه التعامل مع طريقتين مختلفتين لحل المسائل الفيزيائية:
- نقطة بنقطة: التحقق من الفيزياء عند نقاط محددة (مثل التحقق من درجة الحرارة في نقاط معينة على خريطة).
- الشكل الكامل (العناصر المحدودة - Finite Element): النظر إلى الفيزياء كتدفق مستمر عبر شكل كامل (مثل حساب الإجهاد الكلي على جسر).
- الفائدة: تتيح لك jNO التبديل بين هذين الوضعين باستخدام نفس الكود. إنه يشبه امتلاك سيارة يمكنها القيادة على الطرق الترابية والطرق السريعة دون الحاجة لتغيير المحرك أو عجلة القيادة.
لماذا يهم هذا؟
الهدف الرئيسي لـ jNO هو وقف "التجزئة" في البرمجيات العلمية. بدلاً من أن يتخبط الباحثون بين خمس أدوات مختلفة لتدريب نموذج ذكاء اصطناعي واحد، تجمع jNO كل شيء في مكان واحد.
- السرعة: لأنها تستخدم ميزات التجميع الخاصة بـ JAX، فهي تعمل بشكل أسرع على شرائح الكمبيوتر الحديثة.
- البساطة: لست بحاجة لتكون مهندس برمجيات لتتمكن من التبديل بين أنواع مختلفة من المسائل الفيزيائية.
- قابلية إعادة الاستخدام: بمجرد كتابة برنامج في jNO، يمكنك حفظه، ومشاركته، وتشغيله مرة أخرى لاحقاً، حتى على أجهزة كمبيوتر مختلفة، بثقة تامة بأنه سيعمل بنفس الطريقة.
باختصار، تحاول jNO جعل العالم المعقد لـ "التعلم الآلي العلمي" يبدو بسيطاً وموحداً مثل كتابة قصة واحدة متماسكة، بدلاً من حياكة قطعة قماش من قصاصات كود مختلفة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.