Multi-branch classification of diffuse cluster radio emission

تخيل الكون كمحيط شاسع غير مرئي. معظمنا يرى الجزر — النجوم والمجرات الساطعة — لكن علماء الفلك مهووسون بالمحيط نفسه: الغاز الساخن والواسع الذي يملأ الفضاء بين المجرات. هذا "المحيط" يسمى الوسط بين المجرات، وهو مكان فوضوي حيث تصطدم المجرات ببعضها البعض مثل سيارات التصادم، مما يخلق موجات صدمية واضطرابات دوامية. عندما يحدث هذا، تتسارع الجسيمات إلى سرعات قريبة من سرعة الضوء، وتتراقص هذه الجسيمات عبر المجالات المغناطيسية، متوهجة بضوء خافت وشبحي يسمى إشعاع السينكروترون. الأمر يشبه كوناً يهمس بسر بلغة لا يمكننا سماعها إلا بعيون راديوية عملاقة.

المشكلة هي أن هذه الهمسة خافتة للغاية. إنها تشبه محاولة سماع صرير صرصور حقل واحد في ملعب مليء بالهتافات. لعقود من الزمن، كافح علماء الفلك للعثم عن هذه الإشارات الراديوية الخافتة لأنها غالباً ما تكون مدفونة في "الضجيج" الناتج عن ضوضاء التلسكوب نفسه أو مخفية خلف مصادر ساطعة ومدمجة مثل المجرات النشطة. ولكن الآن، نحن ندخل عصراً جديداً من علم الفلك الراديوي حيث ستكون التلسكوبات قوية لدرجة أنها ستولد جبالاً من البيانات. التحدي لا يكمن فقط في بناء تلسكوبات أكبر؛ بل في تعليم الحواسيب أن تكون ذكية بما يكفي لرصد صرير صرصور الحقل الخافت وسط ضجيج الحشد دون أن تتعب أو ترتبك. وهنا يأتي دور التعلم الآلي، الذي يعمل كـمحقق خارق للقدرات للبحث في أعماق الكون.

في هذه الورقة البحثية، وضع عالمان للفلك يدعيان ماركوس وإيما خطة لبناء محقق أفضل للعثور على هذه الهمسات الراديوية الخافتة في العناقيد المجرية. لقد استخدما بيانات من تلسكوب "لوفار" (LOFAR)، الذي نجح بالفعل في رصد بعض هذه الإشارات، لكنهما أرادا معرفة ما إذا كان بإمكانهما تدريب حاسوب للعثور عليها بشكل أكثر موثوقية، خاصة عندما تكون البيانات فوضوية أو الإشارات ضعيفة جداً. فكر في الأمر كأنك تحاول تعليم كلب العثور على رائحة معينة في غابة. إذا كانت الغابة مليئة بروايح أخرى قوية (مثل المصادر الراديوية الساطعة)، فقد يتشتت انتباه الكلب. أراد المؤلفان معرفة ما إذا كان بإمكانهما منح الكلب حاسة شم أفضل وطريقة أذكى للشم.

لقد اختبرا أربعة طرق مختلفة لـ "تدريب الكلاب" (والتي هي في الواقع نماذج حاسوبية تسمى الشبكات العصبية). الأول كان نموذجاً بسيطاً ومعيارياً. الثاني كان نموذجاً يستخدم أداة رياضية ثابتة تسمى "تحويل التشتت" (ST)، وهي تشبه إعطاء الحاسوب خريطة جاهزة لما تبدو عليه الأنسجة والأنماط، حتى لا يضطر لتعلمها من الصفر. أما النموذجان الثالث والرابع فكانا محققين "ثنائيي المسار". تخيل فريق تحقيق حيث ينظر أحد الأعضاء إلى الصورة الكبيرة (شكل السحابة) بينما ينظر الآخر إلى التفاصيل الدقيقة (نسيج الغاز). ومن خلال دمج آرائهما، يأمل الفريق في ارتكاب أخطاء أقل مما قد يرتكبه أي منهما بمفرده.

كما جرب المؤلفان طرقاً مختلفة لتجهيز "الغابة" قبل عرضها على الكلاب. واختبروا ثلاث استراتيجيات رئيسية:

1. قص البكسل (Pixel Cropping): قص مساحة مربعة من الصورة بعدد ثابت من البكسلات، مثل التقاط صورة لمربع بمساحة 10×10 بوصة من الغابة.
2. قص مجال الرؤية (Field-of-View Cropping): قص مربع بحجم فيزيائي ثابت (مثل 800 ثانية قوسية)، بغض النظر عن عدد البكسلات التي يتطلبها ذلك.
3. قص الحزمة (Beam Cropping): كان هذا هو الأسلوب الذكي. فبدلاً من القص بحجم ثابت، قاموا بقص عدد محدد من "حزم التلسكوب". وحزمة التلسكوب هي بمثابة حجم "البكسل" الواحد في رؤية التلسكوب. من خلال قص 10 حزم مثلاً، ضمنوا أن كل صورة يعرضونها للحاسوب تمتلك نفس العلاقة مع دقة التلسكوب الطبيعية والضوضاء، بغض النظر عن مدى بعد العنقود المجري أو كيفية إعداد التلسكوب.

كما جربوا "تنعيم" الصور، سواء عن طريق جعلها ضبابية رياضياً (مثل النظر من خلال نافذة مغطاة بالضباب) أو باستخدام تقنية تسمى "تدرج الـ uv" (وهي تشبه خفض الحساسية تجاه التفاصيل الدقيقة لجعل الأشكال الكبيرة والضبابية تبرز بشكل أوضح). وتساءلوا عما إذا كان تكديس نسخ متعددة من نفس الصورة فوق بعضها البعض (مثل النظر إلى مجموعة صور ثلاثية الأبعاد) سيساعد الحاسوب على الرؤية بشكل أفضل.

ماذا وجدوا؟

كانت النتائج واضحة للغاية وقدمت لهم دروساً كبيرة للمستقبل في علم الفلك الراديوي:

• العمل الجماعي يفوز: كانت النماذج "ثنائية المسار"، حيث يعمل نوعان مختلفان من الكواشف معاً، هي الأفضل في العثัง على الإشارات الراديوية الخافتة. وتحديداً، كان النموذج الذي يجمع بين فرع الرؤية الحاسوبية القياسي وفرع "تحويل التشتت" (المسمى DualSSN) هو البطل. لقد كان الأكثر دقة والأكثر اتساقاً.
• استراتيجية "الحزمة" هي المفتاح: كان أسلوب قص الحزمة هو الفائز الواضح لتجهيز الصور. فمن خلال قص عدد ثابت من حزم التلسكوب، استطاع الحاسوب مقارنة الأشياء المتشابهة ببعضها البعض. عندما استخدموا الطرق الأخرى (البكسل الثابت أو الزوايا الثابتة)، ارتبك الحاسوب لأن "الضوضاء" في الصور بدت مختلفة في كل صورة. أما طريقة الحزمة فقد جعلت الضوضاء تبدو متشابهة في كل مكان، مما سمح للحاسوب بالتركيز على الإشارات الراديوية الفعلية.
• التنعيم يساعد، والتكديس لا يفيد: ساعد تنعيم الصور (سواء بالتغبيش أو باستخدام تدرج الـ uv) الحاسوب على العثัง على الإشارات الخافتة بشكل أفضل من النظر إلى الصور الحادة الخام. وهذا منطقي لأن الإشارات ضبابية، لذا فإن جعل الصورة ضبابية يجعلها تبرز مقابل الخلفية. ومع ذلك، فإن تكديس نسخ متعددة من نفس الصورة (مثل عرض نسخة حادة ونسخة ضبابية في آن واحد) لم يساعد، بل في الواقع لم يحسن النتائج. ويشير المؤلفون إلى أن هذا بسبب كون النسخ المختلفة متشابهة جداً؛ فقد كانوا يعرضون المعلومات نفسها بطرق مختلفة قليلاً، مما أدى لإرباك الحاسوب بدلاً من مساعدته.
• "النافذة الضبابية" خدعة جيدة: وجدوا أن مجرد جعل الصور ضبابية في الحاسوب (دون الحاجة إلى البيانات الخام المعقدة من التلسكوب) يعمل بنفس كفاءة طريقة "تدرج الـ uv" الأكثر تعقيداً. وهذا أمر بالغ الأهمية لأن التلسكوبات المستقبلية قد لا توفر للعلماء البيانات الخام اللازمة لتدرج الـ uv. فإذا كان التغبيش البسيط يعمل بنفس الكفاءة، فيمكن لعلماء الفلك استخدام حواسيبهم للقيام بالعمل الشاق حتى عندما لا يمتلكون البيانات الكاملة.

ماذا استبعدوا؟
أظهر المؤلفون صراحةً أن تكديس نسخ متعددة من الصور لا يحسن الأداء. كما وجدوا أن طريقة "قص البكسل" البسيطة، المنتشرة في العديد من مشاريع الفلك الأخرى، كانت في الواقع أسوأ من قص الحزمة عند التعامل مع هذه الصور الراديوية الملساء. وكانت طريقة "مجال الرؤية" هي الأسوأ بين الطرق الثلاث، ويرجع ذلك على الأرجح إلى أنها التقطت أحجاماً فيزيائية مختلفة من الكون اعتماداً على مدى بعد المجرة، مما جعل من الصعب على الحاسوب تعلم نمط ثابت.

ما مدى ثقتهم؟
المؤلفون واثقون جداً من هذه النتائج، لكنهم حذرون في ملاحظة أن مجموعة بياناتهم لا تزال صغيرة نسبياً (حوالي 200 عنقود مجري فقط). وبسبب محدودية البيانات، تباين أداء الحاسوب قليلاً من اختبار لآخر (مثل طالب يحصل على درجات مختلفة في أيام مختلفة). ومع ذلك، كانت الاتجاهات متسقة للغاية: فالنموذج ثنائي المسار مع قص الحزمة والتنعيم كان دائماً هو الأفضل. ويقترحون أنه مع حصولنا على المزيد من البيانات من التلسكوبات المستقبلية مثل "مصفوفة الكيلومتر المربع" (SKA)، ستصبح هذه الأساليب أكثر قوة. هم لا يدعون أنهم حلوا لغز الكون، لكنهم وجدوا بالتأكيد كشافاً أفضل للنظر في الزوايا المظلمة من السماء الراديوية.

باختصار، إذا كنت تريد العثور على أضعف وأكثر الإشارات الراديوية ضبابية في الكون، فلا تكتفِ بالنظر إلى أوضح صورة. اجعلها ضبابية قليلاً، وقصها بطريقة تحترم "بكسل" التلسكوب الطبيعي، واستخدم فريقاً من عقلين حاسوبيين مختلفين لينظرا إليها معاً. هذه هي وصفة النجاح في العصر القادم من التلسكوبات الراديوية العملاقة.