Efficient Regression Models for Scan Statistics

في العمل الصامت والواسع لعلم الفلك الحديث، تتدفق البيانات مثل النهر، حاملةً معها همسات خافتة من النجوم والمجرات البعيدة. ولكن قبل أن يتمكن العلماء من الاستماع إلى تلك الهمسات، يجب عليهم أولاً التأكد من أن النهر نفسه خالٍ من الحطام. فالتلسكوبات الراديوية، مثل المصفوفة الضخمة المعروفة باسم "ألما" (ALMA) في صحراء تشيلي، لا تلتقط مجرد صورة؛ بل تجمع الملايين من القياسات الفردية للموجات الراديوية عبر طيف من الترددات. تُنسج هذه القياسات معاً لإنشاء صورة فائقة الطيف، وهي عبارة عن مكعب بيانات معقد يحتوي كل بكسل فيه على بصمة كيميائية مفصلة للسماء. ومع ذلك، فإن الأدوات التي تجمع هذه البيانات ليست مثالية. فأحياناً، يتسبب عدم محاذاة ميكانيكي أو خلل لحظي في حدوث انخفاض مفاجئ وغير طبيعي في الإشارة عبر نطاق معين من الترددات. وفي مصطلحات هذا المجال، يُسمى هذا "المنصة" (platforming). ويبدو الأمر كدرجة مسطحة ومكسورة في منحنى كان ينبغي أن يكون ناعماً. وإذا لم يتم العثور على هذه الأجزاء الفاسدة وإزالتها، فقد تؤدي إلى إفساد الصورة النهائية، مما يتسبب في ظهور شوائب تبدو وكأنها اكتشافات علمية حقيقية لكنها في الواقع مجرد أخطاء آلية. ولعقود من الزمن، كانت الطريقة الوحيدة للعثور على هذه العيوب الدقيقة هي قيام خبير بشري بالتحديق في آلاف الرسوم البيانية، بحثاً عن الرسم الذي لا يتناسب مع البقية. لقد كانت عملية بطيئة ومرهقة، وحتى أفضل الخبراء كانوا يغفلون عن حوالي نصف المشكلات.

لقد قدم فريق من الباحثين الآن نهجاً رياضياً جديداً يعمل على أتمتة هذا البحث بسرعة ودقة أكبر بكتمال. ويركز عملهم على فئة من الأدوات تسمى "إحصاءات المسح" (scan statistics)، المصممة لمسح خط طويل من نقاط البيانات للعثหา جزء محدد يتصرف بشكل مختلف عن البقية. تقليدياً، كانت هذه الأدوات تفترض أن بيانات الخلفية مسطحة تماماً، مثل بحيرة هادئة. ولكن في الواقع، غالباً ما تنحرف إشارات التلسكوبات الراديوية وتنحني بلطف بمرور الوقت، لتشبه تلاً متموجاً أكثر من كونها سهلاً مسطحاً. وعندما تكون الخلفية متموجة، يرتبك نموذج الخط المستقيم البسيط، وغالباً ما يخطئ في اعتبار المنحنى الطبيعي خطأً، أو يغفل عن خطأ حقيقي لأنه مختبئ داخل المنحنى. طور الباحثون طريقة جديدة تسمح لنموذج الخلفية بالانحناء والتكيف، حيث يقوم بملاءمة منحنى سلس ومرن للبيانات قبل البحث عن الكسر. وقد اختبروا ذلك من خلال إنشاء ملايين الإشارات الاصطناعية ذات الأخطاء المخفية، ومن خلال تطبيقها على بيانات حقيقية من تلسكوب "ألما". وأظهرت النتائج أن طريقتهم الجديدة، التي تستخدم تقنية تسمى "انحدار النواة" (kernel regression) لنمذجة الخلفية، يمكنها العثور على الأجزاء المكسورة بشكل شبه مثالي، حتى عندما كانت الأخطاء صغيرة أو كانت الخلفية معقدة للغاية.

يكمن جوهر هذا الإنجاز في كيفية تعليم الكمبيوتر التمييز بين التباين الطبيعي والخلل الحقيقي. تخيل محاولة العثور على بقعة واحدة مستوية على طريق جبلي متعرج. إذا افترضت أن الطريق من المفترض أن يكون مستقيماً، فستعتبر كل منعطف خطأً. ولكن إذا قمت أولاً برسم الخريطة للمنحنى الطبيعي للطريق، يمكنك فوراً رصد المكان الذي يهبط فيه الرصف فجأة. تقوم طريقة الباحثين الجديدة بهذا بالضبط بالنسبة للإشارات الراديوية. فبدلاً من إجبار البيانات على خط مستقيم جامد، تستخدم أداة رياضية مرنة يمكنها تتبع الانحراف اللطيف والطبيعي للإشارة. وبمجرد تحديد هذه الخلفية السلسة، يبحث الكمبيوتر عن أي فترة تنخفض فيها البيانات الفعلية بشكل كبير تحت هذا المسار المتوقع. وتعد هذه المقاربة قوية بشكل خاص لأنها لا تبحث فقط عن نقطة سيئة واحدة؛ بل تبحث عن كتلة مستمرة من البيانات السيئة، وهو بالضبط ما يبدو عليه الفشل الميكانيكي.

ولجعل هذه الطريقة عملية للكميات الهائلة من البيانات التي ينتجها "ألما"، كان على الفريق أيضاً حل مشكلة السرعة الكبيرة. إن الطريقة المباشرة لفحص كل قسم ممكن من الإشارة بحثاً عن الأخطاء ستستغرق وقتاً طويلاً بشكل مستحيل، خاصة مع نمو مجموعات البيانات. لذا ابتكر الباحثون خوارزمية ذكية تقوم بتحديث حساباتها أثناء تحركها على طول الإشارة، بدلاً من البدء من الصفر لكل قسم جديد. وقد قلل هذا التحسين من الوقت المطلوب من شيء قد يستغرق أياماً إلى شيء يستغرق مجرد أجزاء من الثانية. وفي اختباراتهم على البيانات الاصطناعية، حيث عرفوا بالضبط أين زُرعت الأخطاء، حددت طريقتهم الجديدة الشذوذ بدقة شبه كاملة، حتى عندما كانت الأخطاء صغيرة جداً مقارلة بالضجيج الطبيعي للإشارة. أما الطرق القديمة، التي افترضت خلفية مسطحة أو استخدمت حِيلاً إحصائية مختلفة، فقد أخطأت كثيراً في رصد هذه الأخطاء الصغيرة أو خلطت بينها وبين التباينات الطبيعية للإشارة.

جاء الاختبار الحقيقي لهذا النظام الجديد عند تطبيقه على البيانات الحقيقية والفوضوية من تلسكوب "ألما". فقد حلل الباحثون ما يقرب من 39,000 إشارة معايرة، وهي مجموعة بيانات تم تصنيفها بعناية من قبل خبراء بشريين لتحديد أي منها يحتوي على أخطاء "المنصة". وفي هذا السيناريو الواقعي، حققت الطريقة الجديدة نتيجة مذهلة: فقد وجدت 228 من أصل 231 خطأً مؤكداً، ولم تغفل سوى ثلاثة أخطاء فقط. وفي المقابل، أخطأت الأدوات الآلية الموجودة التي يستخدمها مسار التلسكوب حوالي 58 بالمائة من الأخطاء، كما غفل الخبراء البشريون الذين يراجعون البيانات يدوياً حوالي 49 بالمائة منها. وبينما قامت الطريقة الجديدة أيضاً بتمييز بعض الإشارات الإضافية التي تبين أنها سليمة، إلا أن هذه المقايضة تعتبر مقبولة في علم الفلك. فمن الأفضل بكثير أن يتم فحص بعض الإشارات الإضافية من قبل البشر بدلاً من السماع بمرور إشارة فاسدة وتدمير اكتشاف علمي. كما أن النظام الجديد سريع بما يكفي للعمل في الوقت الفعلي أثناء جمع التلسكوب للبيانات، مما يعني أن عمليات الرصد المستقبلية يمكن تنظيفها تلقائياً قبل حتى أن يتم حفظها.

يمثل هذا العمل تحولاً من الاعتماد على القواعد الجامدة والمحددة مسبقاً إلى استخدام نماذج مرنة ومتكيفة تفهم السلوك الطبيعي للبيانات. ومن خلال السماح لنموذج الخلفية بالانحناء والانجراف، أنشأ الباحثون نظاماً قوياً ضد تعقيدات الأدوات الواقعية. ويشير نجاح هذا النهج إلى أن طرقاً مماثلة يمكن أن تكون مفيدة في مجالات أخرى حيث تتغير الإشارات بمرور الوقت، مثل مراقبة أنماط الطقس أو تتبع الأسواق المالية، وحيث يتم مقاطعة اتجاه سلس بانقطاع مفاجئ وغير طبيعي. أما بالنسبة لعلماء الفلك في "ألما"، فإن التأثير مباشر وعميق؛ فهذه الأداة الجديدة تلغي الحاجة إلى تفرغ البشر للتحديق في آلاف الرسوم البيانية، وتلتقط الأخطاء التي كانت غير مرئية سابقاً، وتضمن أن البيانات المتدفقة من الصحراء إلى حواسيب العالم هي بيانات نظيفة وموثوقة قدر الإمكان. والنتيجة هي تلسكوب أكثر كفاءة وثقة أعلى في أن الصور التي ينتجها للكون هي صور حقيقية.