🤖 machine learning

ScaleMAP: Preserving Local Density and Neighborhood Structure in Low-Dimensional Embeddings

تُعد ScaleMAP طريقة مبتكرة لتقليل الأبعاد تحافظ على كل من الكثافة المحلية وبنية الجوار في التضمينات منخفضة الأبعاد عن طريق تطبيع الإزاحات الزوجية باستخدام أنصاف أقطار محلية، مما يستعيد بفعالية الهياكل المتفرقة والتباينات الواسعة في الكثافة التي غالباً ما تُفقد أو تُشوه في التقنيات الحالية مثل UMAP وDensMAP.

المؤلفون الأصليون: Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

نُشر 2026-06-01

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

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 أن لديك غرفة ضخمة وفوضوية مليئة بآلاف الأشياء المختلفة. بعضها صخور ضخمة، وبعضها حصى صغيرة، وبعضها خيوط رقيقة تربط بين كومتين من الرمال. هدفك هو التقاط صورة لهذه الغرفة بحيث تناسب ورقة صغيرة (خريطة ثنائية الأبعاد) لتتمكن من رؤية كيف ترتبط الأشياء ببعضها البعض.

المشكلة هي أن الأدوات التي نستخدمها عادةً لالتقاط هذه الصورة (تسمى UMAP و t-SNE) لديها عادة غريبة: فهي تعامل كل شيء وكأن له نفس الحجم. فهي تضغط الصخور الضخمة وتمدد الحصى الصغيرة حتى تبدو جميعها بنفس الحجم تقريبًا. هذا جيد لرؤية ما إذا كانت الأشياء قريبة من بعضها البعض، لكنه يدمر المعلومات المتعلقة بمدى ازدحام أو تشتت المناطق المختلفة. الأمر يشبه التقاط صورة حيث تبدو الغابة الكثيفة والشجرة الوحيدة المنعزلة وكأنهما تشغلان نفس المساحة تمامًا.

تقدم هذه الورقة أداة جديدة تسمى ScaleMAP تعالج هذه المشكلة. إليك كيف تعمل، باستخدام تشبيهات بسيطة:

المشكلة: تأثير "المُعادل" (Equalizer)

تعمل الأدوات الموجودة (مثل UMAP) مثل مُعادل صوت صارم يجبر كل الأصوات على أن تكون بنفس مستوى الصوت.

المشكلة: إذا كان لديك حشد كثيف من الناس (تجمع/Cluster) ومجموعة متباعدة من الناس يسيرون عبر جسر، فإن الأدوات القديمة تضغط الحشد وتمدد الجسر حتى يبدوا في نفس الحجم.
النتيجة: أنت تفقد "الجسر". في البيانات الحقيقية، تمثل هذه الجسور انتقالات مهمة (مثل تحول خلية من نوع إلى آخر). إذا قام الأداة بضغط الجسر، يختفي الانتقال، وتبدو البيانات مكسورة.

الحل القديم: إضافة "عقوبة" (Penalty)

حاولت أداة سابقة تسمى DensMAP إصلاح ذلك عن طريق إضافة "عقوبة" إلى الرياضيات. لقد أخبرت الكمبيوتر: "مهلاً، إذا بدا الحشد صغيرًا جدًا، ادفعهم بعيدًا عن بعضهم!"

العيب: هذه العقوبة تحارب الهدف الرئيسي المتمثل في إبقاء الجيران معًا. الأمر يشبه محاولة الإمساك بيد صديق بينما يقوم شخص آخر باستمرار بجذبك في الاتجاه المعاكس. النتيجة؟ يتشتت الحشد، وينتهي الأمر بالناس بعيدين عن جيرانهم الفعليين، مما يجعل الخريطة فوضوية وصعبة القراءة.

الحل الجديد: ScaleMAP (كاميرا "الزوم المتغير")

تتبع ScaleMAP نهجًا مختلفًا. بدلاً من إضافة عقوبة تحارب النظام، تقوم بتغيير عدسة الكاميرا.

تخيل أنك تسير في مدينة:

في سوق مزدحم: تأخذ خطوات صغيرة لأن هناك الكثير من الناس.
في حديقة فارغة: تأخذ خطوات واسعة لأن هناك مساحة كافية.

تقوم ScaleMAP بهذا رياضياً. فهي تنظر إلى مدى ازدحام منطقة ما في البيانات الأصلية وتخبر الخريطة: "إذا كانت هذه المنطقة مزدحمة، عامل المسافة بين النقاط على أنها 'صغيرة'. وإذا كانت هذه المنطقة فارغة، عامل المسافة على أنها 'كبيرة'".

إنها تقول أساساً: "لا تغير قواعد اللعبة؛ فقط غير حجم ساحة اللعب بناءً على الزحام."

ما الذي يحققه هذا؟

باستخدام نهج "الزوم المتغير" هذا، تنجح ScaleMAP في القيام بشيئين في وقت واحد لم تستطع الأدوات الأخرى القيام بهما:

إبقاء الجيران معًا: تمامًا مثل UMAP، تبقي الأصدقاء قريبين من أصدقائهم.
الحفاظ على حجم الزحام: تمامًا مثل DensMAP، تبقي الحشود الكثيفة كثيفة والمناطق المتفرقة متفرقة.

أمثلة من الواقع من الورقة البحثية

اختبر المؤلفون هذا على ثلاثة أنواع من "الغرف" (مجموعات البيانات):

"المدينة الخلوية" (علم النسخ - Transcriptomics): في البيانات المتعلقة بالخلايا المناعية، توجد "جسور" تربط بين أنواع الخلايا المختلفة (مثل المسار من خلية طفولية إلى خلية بالغة). تقوم UMAP بضغط هذه المسارات لدرجة أنها تختفي. أما ScaleMAP فتحافظ على المسار عريضًا وواضحًا، مما يظهر الرحلة الكاملة للخلية.
"الصورة الطيفية" (التصوير الفائق الطيفية - Hyperspectral Imaging): تخيل صورة لدودة يكون معظمها بلون واحد، ولكن هناك نبضة صغيرة وحادة بلون مختلف. تقوم UMAP بنشر هذه النبضة في الخلفية. أما ScaleMAP فتحافظ على النبضة حادة ومتميزة، مثل إبرة في كومة قش يمكنك رؤيتها بالفعل.
"تدفق الخلايا" (Flow Cytometry): تحتوي هذه البيانات على نطاق هائل من الكثافات—بعض المناطق بها ملايين الخلايا، وأخرى لا يوجد بها أي خلايا تقريبًا. UMAP و DensMAP يرتبكان بسبب هذا الاختلاف الهائل. أما ScaleMAP فتتعامل مع الأمر بشكل مثالي، حيث تظهر هيكلاً يمتد عبر 17 رتبة مقدارية (هذا يشبه مقارنة حجم حبة رمل بحجم جبل، وكل ذلك في خريطة واحدة).

الخلاصة

ScaleMAP هي طريقة أذكى لضغط البيانات ثلاثية الأبعاد (أو مئة بُعد) إلى صورة ثنائية الأبعاد. فهي لا تجبر البيانات على أن تبدو موحدة، بل تحترم "الحجم" الطبيعي للمجموعات المختلفة، مما يضمن بقاء الحشود الكثيفة كثيفة، والجسور المتفرقة مرئية، وعدم ضياع أي أحد في الزحام. إنها تجمع بين أفضل أجزاء الأدوات السابقة دون آثارها الجانبية الفوضوية.

ملخص تقني: ScaleMAP

بيان المشكلة
تعد طرق تقليل الأبعاد غير الخطي (Nonlinear Dimensionality Reduction - DR)، ولا سيما UMAP وPaCMAP وt-SNE، أدوات قياسية للتحليل الاستكشافي للبيانات عالية الأبعاد. تقوم هذه الطرق ببناء رسوم بيانية تقريبية لـ $k$ -أقرب جار (kNN) وتعمل على تطبيع المسافات المحلية باستخدام نطاقات عرض (bandwidths) تكيفية للتعامل مع التباينات في الكثافة المحلية. وبينما يضمن هذا التطبيع المتانة تجاه تغيرات الكثافة، إلا أنه يؤدي دون قصد إلى محو المقياس المطلق للجوارات. وبناءً على ذلك، تفشل هذه الطرق في الحفاظ على الأحجام النسبية للتجمعات وتثبط الهياكل المتناثرة، مثل الجسور بين أنواع الخلايا الانتقالية، أو النبضات الطيفية الضيقة في الصور فائقة الطيفية، أو تغيرات الكثافة التي تمتد عبر عدة مراتب عشرية (مثل قياس التدفق الخلوي - flow cytometry).

إن المحاولات الحالية لتصحيح ذلك، مثل DensMAP، تدرج حدًا للعقاب (penalty term) في دالة الخسارة لتعظيم الارتباط بين الكثافات في الفضاء الأصلي وفضاء التضمين. ومع ذلك، تجادل الورقة بأن هذا النهج يخلق هدفًا متنافسًا: حيث يصارع حد العقاب الخاص بالكثافة قوى التجاذب والتنافر المتأصلة في UMAP. هذا الصراع يؤدي إلى تشتت النقاط بعيدًا عن جاراتها الحقيقية، مما يجعل المناطق المتناثرة صعبة التفسير.

المنهجية
يقترح ScaleMAP نهجًا مختلفًا: بدلاً من إضافة حد خسارة متنافس، يقوم بإعادة إدخال معلومات المقياس من خلال تغيير للمتغيرات (change of variables) يُطبق على مقياس المسافة ضمن دالة هدف UMAP الأصلية.

تعريف نصف قطر الموضع المحلي: يستخدم ScaleMAP "نصف القطر المحلي" ( $r_i$ )، وهو مسافة جذر متوسط مربع موزونة من نقطة إلى جيرانها في الفضاء الأصلي، كمقياس لمقياس الجوار.
المسافة المعاد قياسها: بدلاً من استخدام المسافة الإقليدية المربعة $d_{ij}^2 = \|y_i - y_j\|^2$ في دالة الخسرة، يعرّف ScaleMAP مسافة مربعة معاد قياسها:
$\tilde{d}_{ij}^2 = \frac{d_{ij}^2}{r_i r_j}$
حيث $r_i$ و $r_j$ هما أنصاف أقطار الموضع المحلي للنقطتين.
تعديل القوة: يستبدل هذا التعويض طريقة حساب تدرج (gradient) دالة الإنتروبيا المتقاطعة (cross-entropy loss). حيث يتم تغيير قواعد التحديث لكل من قوى التجاذب (للجيران) وقوى التنافر (لغير الجيران) عبر الضرب في عامل $1/(r_i r_j)$ $1/ (r_{i} r_{j})$ .
- التماثل: من المهم ملاحظة أن إعادة القياس تنطبق بشكل متماثل على كل من قوى التجاذب والتنافر، مما يحافظ على التوازن المحلي الذي يمنح UMAP خصائص الحفاظ على الجوار.
- الأثر: النقاط في المناطق المتناثرة (ذات $r_i, r_j$ الكبيرة) تتعرض لقوى أضعف لكل وحدة إزاحة إقليدية، مما يؤدي إلى انتشار التضمين (embedding) لها. أما النقاط في المناطق الكثيفة فتظل متراصة بإحكام.
التطبيع: للتعامل مع مقاييس المسافة المستقلة للبيانات الأصلية والتضمين، يتم تطبيع أنصاف أقطار الموضع المحلي باستخدام المئوي الخامس والتسعين ( $P_{95}$ ) لتوزيع أنصاف الأقطار قبل عملية الاستبدال.
التوسع إلى PaCMAP: يتم تطبيق نفس المبدأ على PaCMAP (يُسمى Scale-PaCMAP) عن طريق استبدال المتوسط الهندسي لأنصاف الأقطار بمنتج مقاييس المسافة لكل نقطة في PaCMAP ( $\sigma_i \sigma_j$ ).

المساهمات الرئيسية

صياغة مبتكرة: تقديم ScaleMAP، وهو تعديل لـ UMAP يقوم بحقن معلومات المقياس المحلي عبر تغيير للمتغيرات بدلاً من إضافة حد خسارة إضافي.
توازن الأداء: إثبات أن ScaleMAP يحقق مستوى UMAP في الحفاظ على الجوار، بينما يضاهي أو يتفوق على DensMAP في الحفاظ على الكثافة، مع عدد أقل بكثير من النقاط المتشتتة (المنفصلة).
استعادة الهيكل: النجاح في استعادة الهياكل المتناثرة التي يقلصها UMAP (مثل الجسور النسخية بين الخلايا) والحفاظ على هياكل الكثافة متعددة المقاييس (مثل بيانات قياس التدفق الخلوي).
القدرة على التعميم: تقديم دليل على أن مبدأ تغيير المتغيرات يتعمم على طرق أخرى، وتحديدًا PaCMAP.

النتائج
قيم المؤلفون ScaleMAP على معايير قياسية (MNIST، Fashion-MNIST، COIL-20، Mammoth) وثلاث مجموعات بيانات علمية (Tabula Sapiens للنسخ المتعدد، وBCARS للتصوير فائق الطيفية، وقياس التدفق الخلوي لعظم الإنسان).

المقاييس الكمية:
- الحفاظ على الكثافة: يحقق ScaleMAP حفظًا للكثافة ( $R^2$ للملاءمة اللوغاريتمية-اللوغاريتمية) يضاهي DensMAP في معظم مجموعات البيانات (على سبيل المثال، $R^2 \approx 0.51$ على Fashion-MNIST مقابل $0.58$ لـ DensMAP). وفي مجموعات البيانات ذات النطاقات الديناميكية القصوى، يتفوق ScaleMAP على DensMAP (مثلاً، في قياس التدفق الخلوي: $R^2 = 0.80$ مقابل $0.68$ لـ DensMAP؛ وفي التصوير فائق الطيفية: $R^2 = 0.81$ مقابل $0.59$ لـ DensMAP).
- الحفاظ على الجوار: يحافظ ScaleMAP على استدعاء kNN (kNN recall) بمستوى يقارب UMAP (على سبيل المثال، 14.3% مقابل 13.3% لـ UMAP في Fashion-MNIST) وهو أفضل بكثير من DensMAP (7.1%).
- النقاط المنفصلة: يحافظ ScaleMAP على نسبة منخفضة من النقاط المنفصلة وتكون مقاربة لـ UMAP (على سبيل المثال، 0.19% مقابل 0.11% لـ UMAP)، بينما يظهر DensMAP عددًا أكبر بعشرة أضعاف من النقاط المنفصلة (3.48%).
- اختلاط الفئات: يقلل ScaleMAP من اختلاط الفئات مقارنة بكلتا الطريقتين المرجعيتين.
الملاحظات النوعية:
- النسخ المتعدد (Transcriptomics): يستعيد ScaleMAP الجسور المتناثرة بين تجمعات الخلايا (مثل monocytes-neutrophils، وB-T cells) التي يتم تقليصها أو جعلها غير مرئية في UMAP.
- التصوير فائق الطيفية: يكشف عن النبضات الطيفية المتناثرة والتجمعات الصغيرة التي يضغطها UMAP أو يمتصها في الخلفية.
  _ قياس التدفق الخلوي: يمثل بصدق الهيكل متعدد المقاييس عبر 17 مرتبة عشرية، محافظًا على "بصلة" كثيفة من الخلايا سالبة العلامات تظهر كميزة صغيرة في التضمين، على عكس UMAP/DensMAP اللذين يفتقران إلى هذه الدقة متعددة المقاييس.
- التشخيصات الاصطناعية: في مجموعات بيانات "XOI" و"Bridge"، يحافظ ScaleMAP بشكل صحيح على الأحجام النسبية والاتصالات المتناثرة، بينما يشوه DensMAP الأشكال ويشتت النقاط.

الأهمية والادعاءات
تزعم الورقة أن ScaleMAP يمثل تحسينًا جوهريًا في كيفية تعامل تضمينات الحفاظ على الجوار مع المقياس. ومن خلال معاملة إعادة القياس كعملية تغيير للمتغيرات بدلاً من كونها هدفًا متنافسًا، يتجنب ScaleMAP المقايضة بين دقة الكثافة وسلامة الجوار التي تعاني منها طريقة DensMAP.

يؤكد المؤلفون أن ScaleMAP هو الطريقة الوحيدة المختبرة التي لا تضحي بأحد محوري جودة التضمين مقابل الآخر: فهو يحتفظ بخصائص الحفاظ على الجوار الخاصة بـ UMAP، ويضاهي دقة الكثافة في DensMAP، ويتفوق على PaCMAP في الحفاظ على ترتيب المسافات العالمية (global distance-order preservation) في مجموعات البيانات ذات النطاقات الديناميكية الواسعة. وتخلص الورقة إلى أن استعادة المقياس المحلي هي عنصر مفقود عام في تضمينات الحفاظ على الجوار، وتقترح ScaleMAP كطريقة افتراضية عندما يكون التمثيل الأمين للمقياس أمرًا بالغ الأهمية. كما لوحظ أن النهج فعال حاسوبيًا، حيث لا يضيف سوى $O(n)$ من العمليات الإضافية لحساب أنصاف الأقطار مسبقًا، مع زمن تشغيل إجمالي يبلغ ضعف زمن تشغيل UMAP تقريبًا.