MADGRAV: a multilevel anomaly-detection pipeline for gravitational-wave searches applied to LIGO data
تقدم الورقة البحثية MADGRAV، وهو مسار للكشف عن الشذوذ يعتمد على التعلم العميق، نجح في تحديد 47 حدثاً من موجات الجاذبية عالية الكتلة من بيانات LIGO، مما يثبت فعاليته كقناة كشف مكملة للترشيح المطابق لاندماجات الثنائيات المتراصة عالية الكتلة وعالية نسبة الإشارة إلى الضجيج.
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
في أعماق سكون الفضاء، يمكن لأجسام ضخمة مثل الثقوب السوداء أن تتصادم، مرسلةً تموجات في نسيج الكون نفسه. هذه التموجات، المعروفة باسم الأمواج الثقالية، تعمل على تمديد وتقليص الفضاء أثناء انتقالها، حاملةً معلومات عن الأحداث العنيفة التي أوجدتها. وللاستماع إلى هذه الهمسات، يستخدم العلماء أدوات ليزر عملاقة تسمى "المداخل التداخلية" (interferometers)، وهي حساسة للغاية لدرجة أنها تستطيع رصد تغيرات في المسافة أصغر من ذرة واحدة. ومع ذلك، فإن هذه الأدوات حساسة أيضاً بشكل مفرط للعالم الصاخب من حولها؛ فالزلازل، والشاحنات المارة، وحتى الاهتزاز الحراري للمعدات نفسها، كلها تخلق إشارات زائفة تشبه إلى حد كبير التموجات الكونية التي يحاول العلماء العثين عنها. ويعد التمييز بين إشارة حقيقية وبين هذا الجبل من الضجيج أحد أصعب التحديات في الفيزياء الحديثة.
لسنوات، كانت الطريقة القياسية للعثث عن هذه الإشارات هي البحث عن أنماط محددة. فقد بنى العلماء مكتبة من أشكال الموجات النظرية، تسمى "القوالب" (templates)، بناءً على كيفية سلوك الثقوب السوداء عند اندماجها. ثم يقومون بمطابقة هذه القوالب فوق البيانات، بحثاً عن تطابق. يعمل هذا الأسلوب بشكل رائع عندما تكون الإشارات قوية وتكون الثقوب السوداء خفيفة نسبياً. ولكن عندما تكون الأجسام المتصادمة ثقيلة للغاية، تصبح الإشارة قصيرة ومعقدة جداً، وأحياناً لا تستمر سوى جزء من الثانية. في هذه الحالات، قد تخطئ القوالب القياسية في رصد الإشارة تماماً، أو قد يخفيها الضجيج. وقد دفع هذا الباحثين للتساؤل عما إذا كانت هناك طريقة مختلفة للاستماع، طريقة لا تعتمد على معرفة شكل الصوت بدقة مسبقاً.
لقد طور فريق من الباحثين نهجاً جديداً يسمى "MADGRAV"، يعامل البحث عن الأمواج الثغالية كأنه لعبة لرصد غير المعتاد. فبدلاً من تعليم الكمبيوتر التعرف على شكل محدد، قاموا بتعليمه التعرف على شكل الضجيج الطبيعي. يعتمد النظام على نوع من الذكاء الاصطناعي يُعرف باسم "المشفر التلقائي الالتفافي" (convolutional autoencoder). تخيل آلة يتم تغذيتها بالملايين من صور "الوشوشة" (static) الموجودة على شاشة التلفاز؛ تتعلم الآلة كيفية ضغط تلك الوشوشة إلى ملخص بسيط، ثم تعيد بناء الصورة من ذلك الملخص. ولأن الآلة تعلمت أنماط الوشوشة، يمكنها إعادة بناء صورة الوشوشة بشكل جيد جداً. ولكن إذا ظهرت إشارة حقيقية، مثل موجة مميزة، في البيانات، فإن الآلة ستعاني في إعادة بنائها لأنها لا تتناسب مع نمط الضجيج الذي تعلمته. ويصبح الفرق بين الصورة الأصلية المشوشة ومحاولة الآلة الضعيفة في إعادة بنائها بمثابة "علامة". وكلما زاد الخطأ، زاد احتمال وجود شيء حقيقي وغير معتاد يحدث.
طبق الباحثون هذه الفكرة على بيانات جُمعت من كاشفي "LIGO" في الولايات المتحدة، الموجودين في هانفورد بواشنطن، وليفينغستون بلويزيانا. وقد حللوا بيانات من عمليات الرصد الثالثة والرابعة، والتي امتدت لعدة سنوات. تبدأ العملية بتقسيم البيانات إلى نوافذ مدة كل منها ثانية واحدة وتحويلها إلى خرائط بصرية توضح كيف تتغير الإشارة عبر الزمن والتردد. يفحص نظام الذكاء الاصطناعي الجوهري كل خريطة لكل كاشف على حدة، ويعطي درجة بناءً على مدى قدرته على إعادة بناء الصورة. وإذا كانت عملية إعادة البناء ضعيفة، فإن ذلك يشير إلى وجود خلل (anomaly). ولضمان أن تكون هذه الخلل أحداثاً كونية حقيقية وليست مجرد أعطال محلية في أحد الكاشفين، يتحقق النظام من "التماسك" (coherence)؛ حيث يبحث عما إذا كان نفس الخلل يظهر في كلا الكاشفين في نفس الوقت، مع مراعاة التأخير الضئيل الذي يستغرقه الموجة للانتقال بين الموقعين.
بمجرد أن تمر إشارة محتملة من هذه الفحوصات الأولية، تمر عبر سلسلة من المرشحات (filters) الإضافية. صُممت هذه المرشحات لالتقاط أنواع محددة من الضجيج التي قد تخدع المرحلة الأولى. يستخدم النظام شبكات متخصصة للنظر في نطاقات تردد مختلفة، مما يساعد في التمييز بين الانفجارات القصيرة والعريضة لاندماج الثقوب السوداء الثقيلة، وبين النبضات الحادة والمضطربة للضجيج الآلي. أخيراً، يتم دمج جميع المعلومات في درجة تصنيف واحدة. وإذا كانت هذه الدرجة عالية بما يكفي، يتم تحديد الحدث كعملية رصد. اختبر الباحثون هذا المسار على بيانات حقيقية ووجدوا أنه نجح في تحديد 47 حدثاً من الأحداث الثقالية. وكانت جميع هذه الأحداث ذات احتمالية منخفضة جداً لأن تكون إنذاراً كاذباً، بمعدل أقل من حدث واحد في السنة.
تظهر النتائج أن هذا الأسلوب القائم على رصد الخلل هو جيد بشكل خاص في العثيد عن اندماجات الثقوب السوداء الأكثر ثقلاً. فقد تراوحت كتل الأحداث المكتشفة بين 14 و236 ضعف كتلة شمسنا، بمتوسط كتلة بلغ 69 كتلة شمسية. وقد استعاد النظام جزءاً كبيراً من الأحداث الثقيلة المعروفة، حيث وجد 53.3% من عمليات الرصد المؤكدة في فئة الكتلة الأعلى. وهذا يشير إلى أن الطريقة ليست مجرد خطة بديلة، بل هي وسيلة قوية ومستقلة للاستماع إلى الكون؛ فهي تكمل عمليات البحث التقليدية القائمة على القوالب عبر التقاط الإشارات التي قد تكون قصيرة جداً أو معقدة بحيث تعجز الطرق القياسية عن إيجادها. وقد لاحظ الباحثون أن النظام فاته بعض الأحداث الأخف وزناً، والتي تميل لأن تكون أصعب في التمييز عن الضجيج بدون قالب محدد، لكنه تفوق في الحالات التي تعاني فيها الطرق الأخرى.
أحد أهم النتائج هو أن المسار الجديد وجد 44 من نفس الأحداث التي حددتها طريقة بحث أخرى راسخة تسمى "Coherent WaveBurst". ويؤكد هذا التداخل أن النظام الجديد يعمل بشكل صحيح ولا يولد نتائج إيجابية كاذبة. ومع ذلك، فقد وجد المسار ثلاثة أحداث فاتتها الطريقة الأخرى، وهي: GW240406 (الذي ليس له كتلة منشورة)، وGW190513، وGW200129. ومن الجدير بالذكر أن النظام لم يستعد الحدث GW190521، وهو أكثر اندماج لثنائي ثقوب سوداء ثقلاً تم تسجيله حتى الآن، والذي أدى إلى تفعيل رصد الخلل ولكنه صُنّف في النهاية تحت عتبة الأهمية بسبب نظام قمع الأعطال وإحصائيات التصنيف. وهذا يوضح أن نهج رصد الخلل يمكنه الكشف عن إشارات قد تظل مخفية في الضجيج، بينما يسلط الضوء أيضاً على القيود الحالية في استعادة بعض الأحداث المتطرفة. وتخلص الدراسة إلى أن مسار التعلم الآلي هذا لم يعد مجرد مفهوم نظري، بل أصبح أداة عملية ومعايرة لاكتشاف أكثر تصادمات الثقوب السوداء ثقلاً في الكون. فمن خلال تعلم شكل الضجيج وتحديد كل ما هو خارج عن هذا النمط، يقدم النظام منظوراً جديداً للسيمفونية الكونية، مثبتاً أنه في بعض الأحيان، أفضل طريقة لإيجاد الإشارة هي ببساطة الاستماع إلى الصمت الذي يكسر النمط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.