ملخص تقني: واجهات التمثيل المتوافقة مع المولدات للتماثل الناعم التشخيصي

1. بيان المشكلة

تفرض البنى المتوافقة (equivariant architectures) الحالية (مثل Group CNNs، وSteerable Networks، وSE(3)-Transformers) تماثلاً دقيقاً عبر ترميز عمليات مجموعات محددة مباشرة في مؤثراتها. وبينما يوفر هذا ضمانات نظرية قوية، فإنه يخلق "جموداً في التصميم"، حيث يتطلب التكيف مع مجموعة جديدة، أو هيكل أساسي عام، أو نمط بيانات مختلف، إعادة تصميم كل من المؤثر وهيكل التمثيل في آن واحد. ومن ناحية أخرى، توفر الهياكل التسلسلية العامة الحديثة (مثل Transformers، وState-Space Models) قابلية عالية للنقل عبر الأنماط (الصور، الجينوم، السحب النقطية) ولكنها تفتقر إلى آليات متأصلة لضمان أن التحويلات المدخلة تستحث تحويلات مقابلة في التمثيل الداخلي.

يحدد هذا البحث فجوة تكامل: كيف يمكن تعريض بنية المجموعة إلى هيكل تسلسلي عام دون إعادة تصميم كل طبقة كمؤثر متوافق بشكل صلب؟ يجادل المؤلفون بأن فرض التماثل الدقيق في كل طبقة غالباً ما يكون غير ضروري ومقيداً، ويقترحون بدلاً من ذلك نهجاً تشخيصياً لتعلم "التماثل الناعم" (soft equivariance).

2. المنهجية: واجهة التمثيل المتوافقة مع المولدات (GARI)

يقدم البحث GARI، وهو مبدأ تصميم على مستوى التمثيل يعرض مولدات تحويل مختارة إلى هيكل تسلسلي عام من خلال رؤى متوافقة. وبدلاً من ترميز قانون المجموعة برمجياً في المؤثرات، تبني GARI واجهة قابلة للتدريب تجعل بنية المولد مرئية، وقابلة للتعلم، وقابلة للقياس.

المكونات الأساسية

يتم تجسيد الإطار العملي في GARI-Net، وهو نموذج قائم على التسلسل يتميز بالخصائص المعمارية التالية:

1. تدفقات مؤشرة بالمولدات (Generator-Indexed Streams): لمجموعة من المولدات المعروضة $S = \{s_1, \dots, s_q\}$، يبني النموذج $q+1$ من التدفقات: تدفقاً قياسياً واحداً ($P_\theta(x)$) و $q$ من التدفقات المستحثة بالمولدات ($\rho_{s_j}P_\theta(x)$). تمثل هذه التدفقات المدخلات في أطر مختلفة متوافقة مع التحويل.
2. معالجة الهيكل الأساسي المشترك (Shared Backbone Processing): تتم معالجة جميع التدفقات بواسطة هيكل تسلسلي مشترك (مثل Mamba2 أو Transformer) مع معاملات مشتركة. يضمن هذا أن النموذج يتعلم عائلة دوال متسقة عبر الرؤى بدلاً من كونه مجموعة من الشبكات المستقلة.
3. تحويل الإطار وإصلاح السياق:
   • الالتفاف الخلفي أحادي البعد (ODBC): يُطبق على كل تدفق لإصلاح عدم تطابق السياق المحلي الناتج عن إعادة الفهرسة (مثل عكس التسلسل)، خاصة بالنسبة للمؤثرات الاتجاهية أو التكرارية (autoregressive).
   • تحويل الإطار الاتجاهي: يتم تحويل التدفقات مؤقتاً من إطار التفاعل القياسي إلى أطر معالجة محددة بالمولد، ثم العودة مجدداً، مما يضمن المحاذاة قبل التفاعل بين التدفقات.
4. التفاعل بين التدفقات (Cross-Stream Interaction): تسمح آلية انتباه "ترك-واحد-للاطلاع" (leave-one-out) لكل تدفق بالانتباه إلى التدفقات الأخرى، مما يسمح بتبادل الأدلة بين المنظور القياسي والمنظور المتوافق مع المولد دون معاملتها كشبكات مستقلة.
5. دمج مدرك للاختلاف (Discrepancy-Aware Fusion): تتجنب كتلة الدمج النهائية المتوسط الحسابي الأعمى؛ بدلاً من ذلك، تستخدم إشارة الاختلاف الزوجي (التي تقيس عدم الاتفاق بين التدفقات) وإشارة مجموع التدفقات لوزن التجميع. يسمح هذا للنموذج بالتفاعل مع الاختلاف بين التدفقات، مما يحافظ على التباينات المعلوماتية.

الإطار التشخيصي: التماثل الناعم وDEE

يعيد البحث تعريف الهدف من التماثل الدقيق إلى التماثل الناعم، والذي يُقاس عبر الخطأ المتبقي لعلاقة التحويل تحت توزيعات بيانات وتحويلات محددة.

• المتبقي للتماثل الناعم (Soft Equivariance Residual): يُعرف بأنه القيمة المتوقعة للمسافة المربعة بين تمثيل المدخل المحول والتحويل المقرر للتمثيل القياسي: $E_{\mu,\nu} = E[\Delta(F(\alpha_g x), \tau_g F(x))^2]$.
• خطأ التماثل المباشر (Direct Equivariance Error - DEE): مقياس تشخيصي ذو مسبار محدود يُحسب على نقاط فحص مجمدة. يقارن تمثيل مدخل محول مقابل التحويل المقرر للتمثيل القياسي باستخدام إعادة فهرسة الرموز (tokens) أو الفوكسلات (voxels) المعروفة. الـ DEE ليس خسارة تدريب، بل هو تشخيص لاحق (post-hoc) لقياس اتساق مستوى التمثيل.
• تحديد موقع المتبقي (Residual Localization): يقوم الإطار بتفكيك إجمالي الخطأ إلى ثلاثة مصادر موضعية:
  1. متبقي الواجهة (Interface Residual): عدم التطابق في تحويل البيانات المحولة إلى تمثيلات مفهرسة.
  2. متبقي التدفق (Stream Residual): عدم التوافق في معالجة الهيكل الأساسي المشترك.
  3. متبقي الدمج (Fusion Residual): عدم التطابق في تجميع الرؤى المتعددة.

3. المساهمات الرئيسية

1. واجهات التمثيل المتوافقة مع المولدات (GARI): وحدة تصميم أولية محايدة للأنماط تنقل وحدة تصميم التماثل من مؤثر متخصص في مجموعة إلى واجهة قابلة لإعادة الاستخدام. هي تعرض بنية المولد للهياكل التسلسلية العامة عبر رؤى قياسية ومحولة متوافقة.
2. التماثل الناعم القائم على المتبقي والقياس المحدود: يعرّف المؤلفون التماثل الناعم عبر متبقي علاقة التحويل، ويجسدون تقديره عبر المسبار المحدود كـ خطأ التماثل المباشر (DEE). وهم يميزون بينه وبين قوة المهام والشهادة الدقيقة.
3. تطبيق GARI-Net: تنفيذ ملموس لنموذج تسلسلي يتميز بتدفقات مؤشرة بالمولدات، ومعالجة مشتركة، وإصلاح سياق مدرك للترتيب، وتفاعل بين التدفقات، ودمج مدرك للاختلاف.
4. الأدلة عبر المجالات: تم التحقق من مبدأ الواجهة عبر ثلاثة مجالات متميزة: التسلسلات الجينومية (العكس)، الصور ثنائية الأبعاد (الدوران المستوي)، والسحب النقطية ثلاثية الأبعاد (نقل المحاور SO(3)).

4. النتائج التجريبية

صُممت التجارب كسلسلة تشخيصية لاختبار مبدأ الواجهة تحت تحويلات محجوبة ومتحكم بها، بدلاً من محاولة إثبات التفوق المطلق (SOTA) عالمياً.

• التسلسلات الجينومية (GenomicBenchmarks):
  • المهمة: عكس التسلسل ($Z_2$).
  • النتيجة: حققت GARI-Net أعلى متوسط دقة على المدخلات المعكوسة (0.627) مقارنة بـ Caduceus-PH (0.612) و Caduceus-PS (0.610)، رغم امتلاكها دقة أقل قليلاً على المدخلات العادية. يوضح هذا أن واجهة GARI تحفظ المعلومات ذات الصلة بالمهمة بشكل أفضل تحت عكس التسلسل دون التدريب على عينات معكوسة.
• الصور المستوية (ImageNet-1K & MNIST):
  • المهمة: الدورات الدورية ($C_2$ و $C_4$).
  • النتيجة: في ImageNet-1K، حسنت GARI-Net-C4 دقة دوران التعميم النقي (الزوايا خارج نطاق تعزيز البيانات) بمقدار 1.34 نقطة مئوية عن نموذج Vision Mamba المطابق. كما خفضت خطأ DEE لـ $C_4$ من 0.983 إلى 0.831. وفي MNIST، تفوقت تغطية مولد $C_4$ الأوسع على تكوينات $C_2$ في تعميم المدارات المختارة، مما حسن دقة متوسط المدار بمقدار 2.61 نقطة.
• السحب النقطية ثلاثية الأبعاد (ModelNet40):
  • المهمة: نقل محوري محكوم ($SO(3)$).
  • النتيجة: أدى تعزيز واجهة محور $x/y$ من $C_2$ إلى $C_4$ إلى زيادة دقة محور $z$ المحجوبة بمقدار 8.97 نقطة مع تغيير طفيف في الدقة الصافية. إضافة مرجع $x/y/z$ صريح أضاف 0.51 نقطة فقط، مما حصر المكسب الرئيسي في الانتقال عبر تعزيز واجهة $x/y$ بدلاً من التعرض الصريح لمحور $z$.

5. الأهمية والادعاءات

يضع البحث GARI كـ مكمل محمول وتشخيصي للبنى المتوافقة صلبًا، وليس بديلاً لها.

• تواضع الادعاءات: يصرح المؤلفون صراحة بأن نتائجهم محدودة وتعتمد على التوزيع. هم لا يشهدون على التماثل الدقيق لمجموعة مستمرة، كما أنهم لا يدعون أن قوة التحويل تعادل التماثل.
• القيمة الجوهرية: تكمن الأهمية في جعل بنية المولد متاحة، وقابلة للتعلم، وقابلة للقياس داخل النماذج العصبية العامة. إنها تقدم مساراً لعرض بنية مولد زمرة Lie إلى نماذج التسلسل العامة دون العبء الحسابي والمعماري لإعادة تصميم المؤثرات لكل مجموعة أو نمط جديد.
• الطبيعة التشخيصية: يوفر الإطار عقداً "قابلاً للتفنيد". إذا فشلت الواجهة في تحسين الدقة المحجوبة أو DEE على المسبارات المعلنة، فإن ادعاء التماثل الناعم يضعف. يوضح البحث أن هذه الواجهة تدعم اتساق التحويل ذي الصلة بالمهمة والتعميم على المسبارات المحجوبة دون الحاجة إلى إعادة تصميم خاص بالمجموعة في الهيكل الأساسي.

باختصار، توفر GARI نمطاً معمارياً مرناً يجسّر الفجوة بين جمود المؤثرات المتوافقة صلبًا وقابلية النقل في النماذج التسلسلية العامة، مدعومة ببروتوكول تشخيصي صارم لمتبقيات التمثيل وأداء المهام المحجوبة.