🤖 machine learning

Beckmann Transport Models: From Autonomous Flows to One-Step Maps

تقدم هذه الورقة إطاراً موحداً قائماً على التدفقات المستقلة والخرائط أحادية الخطوة يوفر تفسيراً ديناميكياً لمسألة بكمان للنقل، مما يتيح التعلم المباشر لخرائط توليدية دقيقة للتوزيعات المستهدفة المفردة مع تصحيح التناقضات في الطرق الحالية وإثبات الفعالية على مجموعة بيانات ImageNet.

المؤلفون الأصليون: Lee Cheuk-Kit, Florentin Coeurdoux, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

نُشر 2026-08-04

📖 6 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Lee Cheuk-Kit, Florentin Coeurdoux, Peter Potaptchik, Yilun Du, Michael Samuel Albergo, Eric Vanden-Eijnden

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 عالماً يمكن فيه للحواسيب أن تحلم بأشياء جديدة، مثل رسم صورة لقطة لم توجد من قبل أو تأليف أغنية بأسلوب لم يُسمع قط. هذا هو عالم الذكاء الاصطناعي التوليدي. وللقيام بذلك، يحتاج هؤلاء الفنانون الرقميون إلى وسيلة لتحويل لوحة فارغة من العشوائية المحضة (مثل التشويش على تلفاز قديم) إلى صورة ذات معنى ومحددة بسلاسة. لسنوات، كانت الطريقة الأكثر شيوعاً للقيام بذلك تشبه رقصة بطيئة وحذرة: يأخذ الكمبيوتر خطوة صغيرة، يتحقق من اتجاهه، ثم يأخذ خطوة صغيرة أخرى، ويكرر ذلك مئات المرات حتى تصبح الصورة واضحة. إنها طريقة موثوقة، لكنها بطيئة ومكلفة حاسوبياً، كمن يمشي عبر غرفة بوصة بوصة في كل مرة.

مؤخراً، حاول العلماء إيجاد "طريق مختصر" — طريقة للقفز مباشرة من التشويش إلى الصورة النهائية في قفزة واحدة. حاول بعض الباحثين بناء خريطة "بخطوة واحدة"، لكنهم واجهوا مشكلة: كانت اختصاراتهم مائلة قليلاً. كانوا يقتربون من الصورة الصحيحة، لكن التفاصيل تكون ضبابية أو النسب غير دقيقة، مثل خريطة توصلك إلى المدينة الصحيحة ولكن تتركك في الحي الخطأ. يتناول هذا البحث هذه المعضلة تحديداً. ويتساءل: هل يمكننا بناء خريطة مثالية مكونة من خطوة واحدة لا تكتفي بالتخمين فحسب، بل تضمن رياضياً أن تطابق المجموعة النهائية من الصور التوزيع المستهدف تماماً؟ يقترح المؤلفون إطار عمل جديداً يسمى نماذج نقل بكمان (Beckmann Transport Models) للإجابة على ذلك، مما يوفر طريقة لجعل هذه المولدات "اللحظية" سريعة ودقيقة في آن واحد.

الاختصار ذو الخطوة الواحدة الذي يعمل حقاً

فكر في الطريقة القياسية التي يولد بها الذكاء الاصطناوئي الصور كأنها نهر يتدفق من بحيرة جبلية (ضوضاء عشوائية) نزولاً إلى وادٍ (الصورة النهائية). في الطرق القديمة، يتغير مسار النهر في كل ثانية؛ فقد تسرع المياه أو تتباطأ أو تتدفق بشكل مختلف اعتماداً على الوقت من اليوم. يُسمى هذا "تدفقاً معتمداً على الزمن". إنه يعمل جيداً، لكنه يتطلب من الكمبيوتر محاكاة كل ثانية من الرحلة.

سأل مؤلفو هذا البحث سؤالاً جريئاً: ماذا لو كان للنهر مسار ثابت؟ تخيل نهراً لا يتغير اتجاه تياره أو سرعته أبداً، بغض النظر عن مكانك أو متى بدأت. هذا هو التدفق المستقل (autonomous flow). إذا ألقيت ورقة شجر في الأعلى، فستتبع المسار نفسه تماماً إلى الأسفل في كل مرة. الفكرة هي أنه إذا استطعنا إيجاد هذا التيار الواحد والثابت، فيمكننا نظرياً إلقاء ورقة شجر لتصل إلى وجهتها فوراً، متجاوزين الحاجة إلى محاكاة الرحلة بأكملها.

ومع ذلك، كانت هناك عقبة. المحاولة السابقة لبناء هذا النوع من المولدات ذات "المسار الثابت"، والتي تسمى مطابقة التوازن (Equilibrium Matching)، كانت تعاني من خلل خفي. كانت تشبه محاولة قيادة سيارة بعجلة قيادة مكسورة: ستصل السيارة في النهاية إلى الحي الصحيح، لكنها ستتوقف في الممر الخاطئ. الرياضيات وراء تلك الطريقة لم تضمن أن عدد السيارات التي تصل إلى كل منزل يطابق عدد الأشخاص الذين يعيشون هناك. أثبت مؤلفو هذا البحث أن "عجلة القيادة" في الطريقة القديمة كانت بالفعل مكسورة وقدموا حلاً لها.

سحر الوجهة "المنفردة"

السر الكامن في هذا الأسلوب الجديد يعتمد على خاصية محددة للوجهة. في عالم صور الذكاء الاصطناعي، تعيش الصور النهائية (مثل صورة قطة) على "متعدد طيات منخفض الأبعاد" (lower-dimensional manifold). لاستخدام تشبيه بسيط: تخيل أن الكون بأكمله من الصور الممكنة بحجم 256×256 بكسل هو غرفة ضخمة ذات 65,000 بُعد. لكن كل صور القطط الحقيقية توجد فقط على ورقة صغيرة مسطحة تطفو داخل تلك الغرفة. هذه الورقة هي الوجهة "المنفردة".

يوضح المؤلفون أنه إذا كانت وجهتك هي هذا النوع من "الورقة المسطحة" (أو حتى مجموعة من النقاط المحددة، مثل قائمة من الذرات)، فإن تياراً ثابتاً وغير متغير يمكنه نقل الضوضاء العشوائية إلى الهدف بشكل مثالي. لقد أثبتوا أنه إذا قمت بإعداد التيار بشكل صحيح، فإن كل قطرة ماء (ضوضاء عشوائية) ستتدفق على طول مسار يقودها تماماً إلى الورقة، وسيطابق توزيع الماء النهائي شكل الورقة تماماً.

يطلقون على هذا اسم نموذج نقل بكمان (Beckmann Transport Model). وقد سُمي تيمناً بمسألة رياضية قديمة حول نقل البضائع بكفاءة، ولكن هنا، "البضائع" هي البكسلات، و"النقل" هو تدفق الذكاء الاصطناعي. الاكتشاف الرئيسي هو أن هذا التدفق الثابت يستوفي قاعدة بسيطة: مقدار "الأشياء" المتدفقة للداخل يساوي مقدار "الأشياء" المتدفقة للخارج، مع تعديلها وفقاً لشكل الوجهة. تعمل هذه القاعدة كقانون مرور يضمن عدم ضياع أو تكرار أي سيارات.

الخريطة ذات "الخطوة الواحدة": من النظرية إلى التطبيق

الجزء الأكثر إثارة في هذا البحث هو ما يفعلونه بهذا التدفق الثابت. عادةً، للانتقال من النقطة (أ) إلى النقطة (ب)، يتعين عليك حل معادلة معقدة خطوة بخطوة. لكن المؤلفين اكتشفوا "معادلة حفظ" خاصة. فكر في الأمر كخريطة كنز حيث الكنز (الصورة النهائية) مخفي، لكن الخريطة تحتوي على قاعدة: "إذا مشيت على طول النهر، فإن موقع الكنز لا يتغير أبداً".

ولأن موقع الكنز ثابت على طول المسار، أدرك المؤلفون أنه يمكنهم تدريب شبكة عصبية لتعلم موقع الكنز مباشرة، دون الحاجة أبداً لمحاكاة رحلة النهر. لقد علموا الذكاء الاصطناعي كيف ينظر إلى نقطة ضوضاء عشوائية ويتنبأ بالضبط أين سينتهي به المطاف إذا اتبع النهر، باستخدام خدعة رياضية بسيطة تسمى "خسارة المتبقي" (residual loss).

يقود هذا إلى خريطة ذات خطوة واحدة. بدلاً من اتخاذ 50 أو 100 خطوة صغيرة لتوليد صورة، يمكن للذكاء الاصطناعي الآن القيام بذلك في تمريرة واحدة للأمام. إنه يشبه امتلاك جهاز انتقال آني بدلاً من مسار للمشي.

هل نجح الأمر؟ النتائج

اختبر الفريق هذه الفكرة على مستويين:

الأشكال البسيطة: بدأوا بأشكال ثنائية الأبعاد، مثل لولب أو مجموعة من النقاط. وأظهروا أن طريقتهم المصححة (نماذج نقل بكمان) قد أصلحت مشكلة "التوقف في الممر الخاطئ" التي عانت منها الطريقة القديمة. الطريقة القديمة كانت تضع وزناً زائداً على بعض النقاط ووزناً أقل على أخرى، لكن الطريقة الجديدة ضبطت الأوزان بدقة تامة.
الصور الحقيقية: نقلوا هذا إلى المستوى الاحترافي: توليد صور بحجم 256×256 من مجموعة بيانات ImageNet (وهي مجموعة ضخمة من الصور الفوتوغرافية).
- تصحيح الانحياز: عندما طبقوا تصحيح "المسار الثابت" الخاص بهم على نموذج "مطابقة التوازن" الموجود، أصبحت الصور أفضل قليلاً (انخفضت درجة FID من 1.90 إلى 1.87). لم يكن ذلك ثورة هائلة، لكنه أثبت أن النظرية تعمل على البيانات الحقيقية وأنها أصلحت عدم الاتساق الرياضي مجاناً.
- التوليد بخطوة واحدة: قاموا بتدريب نموذج ليكون مولداً حقيقياً بخطوة واحدة. بدون أي حيل "توجيه" إضافية تحتاجها الطرق الأخرى، حقق نموذجهم درجة FID بلغت 17.58. وبينما لا يعد هذا مثالياً مثل النماذج البطيئة متعددة الخطوات (والتي يمكن أن تحصل على درجات قريبة من 2.0)، إلا أنه إنجاز كبير لمنهج يتخذ خطوة واحدة فقط. إنه يوضح أن فكرة "الانتقال الآني" قابلة للتطبيق، حتى لو كانت لا تزال قيد التحسين.

لماذا يهم هذا؟

لا يقدم هذا البحث مجرد خدعة جديدة؛ بل يقدم طريقة جديدة للتفكير. إنه يربط عالم توليد الصور الديناميكي والفوضوي بإطار رياضي ثابت ونظيف. إنه يثبت أنك لست بحاجة إلى نهر معقد يتغير بمرور الوقت لنقل البيانات؛ فتيار واحد بسيط وثابت يكفي، بشرط احترام هندسة الوجهة.

بالنسبة للمستقبل، يعني هذا أننا قد نرى مولدات ذكاء اصطناعي سريعة للغاية، قادرة على إنشاء صور عالية الجودة في لمح البصر بدلاً من استغرق ثوانٍ أو دقائق. ويشير المؤلفون إلى أن هذا يمكن أن يعمل أيضاً في توليد النصوص، حيث تكون "الوجهة" هي كلمات محددة بدلاً من البكسلات. وبينما لا تزال النماذج الحالية ذات الخطوة الواحدة ليست بحدة النماذج البطيئة بعد، إلا أن الباب مفتوح الآن لبنائها بشكل أسرع وأفضل، مما يحول حلم الخلق الفوري بالذكاء الاصطناعي إلى واقع.

ملخص تقني: نماذج نقل بيكمان (Beckmann Transport Models)

بيان المشكلة

تعتمد النمذجة التوليدية القياسية عبر مطابقة التدفق (flow matching) ونماذج الانتشار (diffusion models) على مجالات سرعة (drifts) تعتمد على الزمن لنقل العينات من توزيع أساسي $\mu_0$ إلى توزيع مستهدف $\mu_0$ . ورغم فعاليتها، إلا أن هذا النهج يتطلب دمج معادلة تفاضلية عادية (ODE) تعتمد على الزمن عبر فترة ثابتة $[0, 1]$ ، وهو أمر مكلف حوسبياً عند الاستدلال.

هناك نهج بديل، اقترحه وانغ ودو [2025] باسم "مطابقة التوازن" (Equilibrium Matching - EM)، والذي يقيد الاندفاع (drift) ليكون مستقلاً عن الزمن (autonomous). هذا يبسط البنية الهيكلية والنظام الديناميكي. ومع ذلك، افتقر صياغة EM الأصلية إلى إثبات صارم بأن التدفق المستقل عن الزمن يمكنه نقل $\mu_0$ إلى $\mu_1$ بدقة. علاوة على ذلك، تبيّن أن دالة الخسارة المقترحة في ورقة EM الأصلية تسبب تحيزات في عملية النقل، حيث تفشل في فرض تخصيص الكتلة الصحيح، لا سيما عندما يكون التوزيع المستهدف مدعوماً على ماني فولد (manifold) منخفض الأبعاد.

المنهجية

تقدم الورقة نماذج نقل بيكمان (BTM)، وهو إطار عمل يجسد مطابقة التدفق باستخدام مجال سرعة مستقل عن الزمن $b: \mathbb{R}^d \to \mathbb{R}^d$ . الرؤية النظرية الجوهرية هي أنه إذا كان التوزيع المستهدف $\mu_1$ منفردًا (singular) (أي مدعوم على ماني فولد $M_1$ منخفض الأبعاد)، فإن الاندفاع المستقل عن الزمن يمكنه تعريف خريطة نقل صالحة.

1. التدفق المستقل عن الزمن وشرط التباعد

يثبت المؤلفون أن الاندفاع المستقل عن الزمن $b$ يعرّف نقلاً صالحاً إذا حقق معادلة تباعد محددة تتضمن دالة وزن موجبة $\nu$ :
$\nabla \cdot (\nu b) = \mu_0 - \mu_1$
حيث يعمل $\mu_0$ كمصدر و $\mu_1$ كمصب. تمثل $\nu$ التوزيع الوسيط (interpolant) المعتمد على الزمن في إعداد مطابقة التدفق القياسي.

التقارب: تحت هذا الشرط، تتقارب مسارات المعادلة التفاضلية العادية المستقلة عن الزمن $\dot{X}_t = b(X_t)$ بدءاً من $\mu_0$ نحو دعم $\mu_1$ .
خريطة النقل: تحدد زمن الوصول $\tau(x_0)$ (والذي قد يكون منتهياً أو لانهائياً اعتماداً على سلوك الاندفاع عند $M_1$ ) خريطة $T(x_0) = \lim_{t \to \tau} X_t(x_0)$ تقوم بدفع $\mu_0$ إلى الأمام لتصل إلى $\mu_1$ ( $T_\sharp \mu_0 = \mu_1$ ).

2. تصحيح مطابقة التوازن

تحدد الورقة أن خسارة "مطابقة التوازن" الأصلية تقلل من هدف انحدار (regression) لا يحقق بدقة شرط التباعد المطلوب للنقل الدقيق. ومن خلال معاملة جدول الوسيط كجزء من الوسيط نفسه (بدلاً من كعامل قياس منفصل على الهدف)، اشتق المؤلفون خسارة متسقة (المعادلة 5) تضمن أن الاندفاع المتعلم يحقق شرط التباعد. هذا التصحيح يلغي تحيز تخصيص الكتلة الذي لوحظ في طريقة EM الأصلية.

3. خريطة الخطوة الواحدة عبر معادلة الحفظ

إسهام رئيسي هو توصيف خريطة النقل $T$ ليس كنتيجة لدمج ODE، بل كحل فريد لـ معادلة حفظ على طول مسارات التدفق:
$b(x) \cdot \nabla T(x) = 0 \quad \text{لـ } x \notin M_1$
مع الشرط الحدّي $T(x) = x$ لـ $x \in M_1$ .
تعني هذه المعادلة أن قيمة الخريطة $T$ تظل ثابتة على طول خطوط تدفق $b$ . هذا الفهم الهيكلي يسمح بتعلم الخريطة $T$ مباشرة دون الحاجة لحل الـ ODE أثناء الاستدلال.

4. هدف التعلم المباشر

لتعلم $T$ مباشرة من العينات، قام المؤلفون بتجزئة المعادلة الإقليدية (Eulerian equation) التي تحكم خريطة التدفق. باستخدام خطوة "أويلر الأمامي"، اشتقوا هدف انحدار (المعادلة 15) يدرب شبكة $T_\theta$ للتنبؤ بالحالة التالية في تسلسل التدفق:
$\mathcal{L}(T) = \mathbb{E}_{t, x_0, x_1} \left[ \left| T(I_t) - \text{sg}\left( T(I_t) + \dot{I}_t \cdot \nabla T(I_t) \right) \right|^2 \right] + \lambda \mathbb{E}_{x_1} \left[ |T(x_1) - x_1|^2 \right]$
حيث يمثل $\text{sg}$ عامل إيقاف التدرج (stop-gradient). وهذا يتيح التوليد بخطوة واحدة ( $x_1 = T(x_0)$ ) أو التحسين التكراري ( $x_1 = T^k(x_0)$ ) دون الحاجة للدمج العددي لـ ODE.

المساهمات الرئيسية

التبرير النظري: إثبات أن اندفاعات مطابقة التدفق المستقلة عن الزمن تُعرّف عمليات نقل صالحة للمستهدفات المنفردة، مما يستعيد "مطابقة التوازن" مع تصحيح الخسارة.
إطار عمل عام: إظهار أن أي زوج $(\nu, b)$ يحقق معادلة التباعد $\nabla \cdot (\nu b) = \mu_0 - \mu_1$ ينتج نقلاً مستقلاً عن الزمن صالحاً. هذا يوحد "مطابقة التدفق" (حيث $\nu$ هو الوسيط المعتمد على الزمن) و"نموذج تدفق بواسون التوليدي" (حيث $\nu \equiv 1$ ).
معادلة الحفظ: اشتقاق معادلة حفظ فريدة ( $b \cdot \nabla T = 0$ ) توصف خريطة النقل، مما يوفر تفسيراً ديناميكياً لقيد التدفق (flux constraint) في مشكلة نقل بيكمان.
التعلم المباشر للخريطة: اقتراح طريقة لتعلم خريطة النقل $T$ مباشرة من العينات باستخدام خسارة متبقية (residual loss) مشتقة من المعادلة الإقليدية للتدفق، مما يتجاوز دمج ODE أثناء الاستدلال.
تصحيح التحيز: إثبات أن خسارة "مطابقة التوازن" الأصلية تسبب تحيزاً في تخصيص الكتلة، وتوفير وسيط متسق ومصحح يحل هذه المشكلة دون تكلفة إضافية.

النتائج التجريبية

تحقق المؤلفون من نظريتهم على أهداف ذرية ثنائية الأبعاد ومعايير الصور:

الأهداف الذرية ثنائية الأبعاد: تحقق خسارة BTM المصححة تخصيص كتلة شبه مثالي (MAE $\approx$ 0.005) عبر الأنماط، بينما أظهرت خسارة مطابقة التوازن الأصلية تحيزاً كبيراً (MAE $\approx$ 0.102) بسبب هياكل الأحواض غير الصحيحة.
التقارب التكراري: في هدف حلزوني (spiral) مدمج في أبعاد عالية، تنتج الخريطة $T$ المدربة جزئياً عينات منتشرة، ولكن تكرار الخريطة (مثلاً $T^3$ ) يؤدي إلى حدة العينات، مما يؤدي للتقارب نحو مسار التدفق المستقل عن الزمن. أما $T$ المدربة بالكامل فتطابق التدفق في خطوة واحدة.
ImageNet 256x256:
- التصحيح: تطبيق الخسارة المتسقة على بنية مطابقة التوازن (EqM-XL/2) حسن من قيمة FID من 1.90 إلى 1.87 دون تغيير البنية أو ميزانية التدريب.
- التوليد بخطوة واحدة: حقق تدريب خريطة مباشرة على فضاء كامن لـ SD-VAE قيمة FID بلغت 17.58 في تمريرة أمامية واحدة (بدون توجيه بدون مصنف/classifier-free guidance). وهذا يتفوق على طرق الخطوة الواحدة الأخرى مثل iCT (التي سجلت FID 30.10)، وينافس الطرق التي تتطلب توجيهاً، رغم أنه يظل أقل من نماذج الانتشار متعددة الخطوات.

الأهمية والادعاءات

تدعي الورقة تقديم إطار عمل موحد يستعيد النماذج ذات الصي المغلقة (تدفق بواسون) والأساليات القائمة على التوازن الحديثة تحت مظلة نظرية واحدة. ومن خلال ربط التدفقات المستقلة عن الزمن بـ مشكلة نقل بيكمان، يقدم المؤلفون تفسيراً ديناميكياً لقيد التدفق الذي كان يفتقر سابقاً إلى هذا التفسير، وهو متميز عن صياغة "بنامو-برينيه" لنقل مونج-كانتوروفيتش.

تكمن الأهمية في:

الدقة النظرية: تقديم الإثبات المفقود بأن التدفقات المستقلة عن الزمن يمكنها نقل العينات بدقة إلى الماني فولدات منفردة.
الكفاءة العملية: تمكين التوليد بخطوة واحدة عبر تعلم الخريطة مباشرة، مما يلغي الحاجة لدمج ODE أثناء الاستدلال.
تصحيح المناهج القائمة: تحديد وإصلاح التحيز الجوهري في دالة خسارة "مطابقة التوازن".
مرونة التصميم: تقديم الوزن $\nu$ كأداة تصميم للمفاضلة بين النماذج التوليدية المختلفة (مثل FM مقابل تدفق بواسون) والتحكم في سلوك الاندفاع بالقرب من ماني فولد الهدف.

يظل المؤلفون متواضعين بشأن الأداء الحالي لـ BTM بخطوة واحدة على ImageNet مقارنة بنماذج الانتشار الحديثة متعددة الخطوات، مشيرين إلى أن FID البالغ 17.58 هو "متواضع" ولكنه يثبت جدوى النهج. كما حددوا توسيع "التوجيه بدون مصنف" ليشمل BTM وتحسين المقايضة بين وقت التدريب وخطوات الاستدلال كآفاق مستقبلية للعمل.