String theory mathematics and matrix data analysis

لعبة التصنيف العظيمة في العلوم

تخيل أنك محقق تحاول حل لغز ما، ولكن بدلاً من بصمات الأصابع، تكون أدلتك عبارة عن شبكات ضخمة من الأرقام. في عالم الفيزياء وعلوم البيانات، تُسمى هذه الشبكات من الأرقام "مصفوفات". لعقود من الزمن، استخدم العلماء أداة قوية تسمى "نظرية المصفوفات العشوائية" لفهم هذه الشبكات الرقمية. فكر في هذه النظرية كأنها مفتاح رئيسي يفترض أن ترتيب الأرقام لا يهم، بل الأنماط العامة فقط. لقد ساعدتنا هذه النظرية في فهم كل شيء، بدءاً من مستويات الطاقة الفوضوية داخل نواة الذرة وصولاً إلى التقلبات الجامحة في سوق الأسهم.

ولكن ماذا لو لم تكن الأرقام مجرد فوضى عشوائية؟ ماذا لو كانت تشبه مجموعة من الأصدقاء في حفلة؟ في الحفلة الحقيقية، لا يهم إذا قمت بتبديل الأسماء على بطاقات الأماكن؛ فديناميكية المجموعة تظل كما هي. هذه الفكرة تسمى "تماثل التبديل" (permutation symmetry). وبينما تتعامل أدوات الرياضيات التقليدية مع هذه الشبكات كما لو كانت ذات ترتيب ثابت وصارم، يقترح نهج جديد أن نتعامل مع هذه المصفوفات مثل تلك الحفلة: تبديل الملصقات لا ينبغي أن يغير القصة. هذا هو جوهر البحث الذي قدمه سانجاي رامجولام، والذي يجسّر الفجوة بين الرياضيات المجردة لنظرية الأوتار والبيانات الواقعية الفوضوية التي نستخدمها كل يوم.

الورقة البحثية: عندما تلتقي الرياضيات بالحفلة

تقدم هذه الورقة طريقة جديدة لتحليل بيانات المصفوفات تسمى نماذج المصفوفات الغاوسية المتباينة بالتبديل (PIGMM). يجادل المؤلف، سانجاي رامجولام، بأنه بينما تعتمد الطرق التقليدية على تماثلات مستمرة (مثل تدوير شكل ما بسلاسة)، فإن العديد من مجموعات البيانات في العالم الحقيقي تحكمها في الواقع عملية بسيطة ومنتهية: وهي القدرة على إعادة ترتيب العناصر دون تغيير النتيجة.

لفهم النتائج الرئيسية للورقة، تخيل أن لديك جدول بيانات ضخم يحتوي على $N \times N$ من الخلايا، حيث يمكن أن تصل قيمة $N$ إلى الآلاف. إذا حاولت وصف علاقة كل خلية بكل خلية أخرى باستخدام الرياضيات القياسية، فستحتاج إلى عدد مذهل من المتغيرات — وتحديداً $N^2$ من المعاملات الخطية وأكثر من $N^2(N^2 + 1)/2$ من المعاملات التربيعية. هذا جبل من البيانات يكاد يكون من المستحيل تسلقه.

ومع ذلك، توضح ورقة رامجولام أنه إذا احترمت "قاعدة الحفلة" (تماثل التبديل)، يمكنك تقليص هذا الجبل الضخم إلى تلة صغيرة يمكن إدارتها. وجدت الورقة أنه بالنسبة لهذه الأنواع المحددة من المصفوفات، تحتاج فقط إلى 13 بارامتراً لوصف النظام بأكمله. وإذا كانت المصفوفة متماثلة وبها أصفار على القطر (مثل مصفوفة الارتباط حيث لا يقارن الرقم نفسه بنفسه)، فإن هذا العدد ينخفض أكثر ليصل إلى 4 بارامترات فقط.

كيف يعمل هذا السحر؟
تستخدم الورقة خدعة ذكية من رياضيات نظرية الأوتار. فهي تعامل مدخلات المصفوفة ليس كأرقام عشوائية، بل كروابط في رسم بياني (Graph).

• تشبيه الرسم البياني: تخيل أن كل رقم في المصفوفة هو نقطة، والعلاقة بين رقمين هي خط يصل بينهما. توضح الورقة أن الرياضيات المعقدة للمصفوفة يمكن ترجمتها إلى مجموعة من الأشكال البسيطة (الرسوم البيانية).
• الترجمة: من خلال استخدام "نظرية التمثيل" للمجموعة التناظرية $S_N$ (وهي ببساطة رياضيات إعادة ترتيب الأشياء)، يقوم المؤلفون بتحويل العمل التربيعي المتشابك للمصفوفة إلى شكل "شبه قطري". هذا يشبه فك عقدة سماعات الرأس حتى تصبح مفرودة ومستقيمة.
• النتيجة: يسمح هذا التبسيط للعلماء باستخدام خوارزمية قياسية تسمى "تلافيف ويك" (Wick contractions) للتنبؤ بكيفية سلوك البيانات إذا كانت تتبع التوزيع الطبيعي (المنحنى الجرسي/الغاوسي) تماماً.

ما الذي وجدوه بالفعل؟
الورقة لا تكتفي بالجلوس في إطار نظري، بل تختبر هذه الأفكار على بيانات حقيقية.

1. اللسانيات: عند تطبيقها على "مصفوفات الكلمات" (حيث تُقارن الكلمات بناءً على مدى تكرار ظهورها معاً)، أظهرت البيانات دليلاً قوياً على كونها "قريبة من التوزيع الطبيعي". وهذا يعني أن العلاقات المعقدة بين الكلمات يمكن وصفها بمنحنى جرس بسيط مع وجود انحرافات طفيفة ومثيرة للاهتمام.
2. التمويل: تم اختبار النموذج على مصفوفات ارتباط سوق الأسهم. ومن خلال النظر في الأجزاء "غير الغاوسية" (الأجزاء التي لا تتناسب مع المنحنى البسيط)، نجح النموذج في تحديد "الأيام غير النمطية" في السوق. كانت هذه الأيام التي برزت كأيام غريبة أو مهمة، وتوافقت مع أحداث اقتصادية كبرى. في الواقع، كان هذا الأسلوب يعمل بنفس كفاءة "تحليل المكونات الرئيسية" (PCA) المعياري في الصناعة، ولكن بنهج مختلف يعتمد على التماثل.
3. الشبكات العصبية: تشير الورقة إلى أن منظور التماثل هذا قد تم تطبيقه أيضاً على الأوزان داخل شبكات الذكاء الاصطناعي، مما يشير إلى أن "عقل" الذكاء الاصطناعي قد يتبع أيضاً قواعد إعادة الترتيب هذه.

ماذا عن المستقبل؟
تشير الورقة، دون أن تثبت ذلك، إلى أن هذه الطريقة قد تكون مغيرة لقواعد اللعبة في فيزياء الجسيمات. في تجارب مصادمات الجسيمات، يصدم العلماء الجسيمات مع بعضها البعض وينتج عن ذلك وابل من جسيمات جديدة. الترتيب الذي تُدرج به هذه الجسيمات غالباً لا يهم فيزيائياً. يقترح المؤلف استخدام PIGMM لتحليل عمليات "الهادرنة" (hadronisation) (حيث تتشكل الجسيمات لتصبح مادة قابلة للكشف). ومن خلال معاملة قوائم الجسيمات كأنها متغيرة بالتبديل، يأملون في إنشاء أدوات جديدة لرصد الشذوذ أو فهم الفيزياء غير الاضطرابية لكيفية تلاحم الجسيمات.

الخلاصة
هذه الورقة هي جسر. إنها تأخذ الرياضيات الثقيلة والمجردة لنظرية الأوتار وتطبقها على مشكلات البيانات العملية. هي لا تدعي أنها حلت مشكلة سوق الأسهم أو فكت شفرة الكون، لكنها تقدم عدسة قوية جديدة: طريقة لتقليص مجموعات البيانات الضخمة والمعقدة إلى بضعة أرقام رئيسية من خلال احترام القاعدة البسيطة التي تقول إن "الترتيب لا يهم". سواء كان ذلك لفهم كيفية ارتباط الكلمات، أو حركة الأسهم، أو تصادم الجسيمات، فإن هذا النهج يشير إلى أنه في بعض الأحيان، أفضل طريقة لرؤية الغابة هي التوقف عن القلق بشأن أي شجرة هي الأخرى.