تقدم هذه الورقة مسار معالجة البحث عن الأشعة الكونية وخوارزمية تحديد تعتمد على الشبكات العصبية الالتفافية (CNN) قيد التطوير لمصفوفة النموذج الأولي GRANDProto300، مع تفصيل خطوات التصفية الخاصة بها، وتقييم الكفاءة على البيانات من يوليو إلى أكتوبر 2025، ودقة النموذج في تمييز إشارات الأشعة الكونية عن الضوضاء.
المؤلفون الأصليون:Jolan Lavoisier, Aurélien Benoit-Lévy, Kumiko Kotera, Mauricio Bustamante, Marion Guelfand, Nathan Lebas, Takashi Sako, Xishui Tian, for the GRAND Collaboration
في أعالي الأرض، يتعرض الغلاف الجوي باستمرار لقصف من جسيمات غير مرئية تسافر بسرعة تقارب سرعة الضوء. هذه هي الأشعة الكونية، وهي رسل طاقية من أعماق الفضاء تصطدم بهواء كوكبنا، مما يخلق زخات من الجسيمات الثانوية التي تتدفق نزولاً إلى الأرض. وبينما درس العلماء هذه الجسيمات لفترة طويلة، هناك نطاق طاقة محدد لا تزال أصولها لغزاً؛ فهو الحد الذي قد تتراجع عنده الجسيمات المولودة داخل مجرتنا، درب التبانة، لتفسح المجال أمام تلك القادمة من مصادر بعيدة وقوية عبر الكون. إن تحديد هذا الانتقال بدقة أمر بالغ الأهمية لفهم كيفية تسريع الكون للمادة إلى مثل هذه الطاقات القصوى، ولكن اكتشاف هذه الجسيمات المحددة صعب لأنها تصل نادراً ولا تترك سوى آثار باهتة وعابرة.
ولحل هذا اللغز، يعمل فريق من الباحثين على بناء مركز استماع ضخم في صحراء غوبي بالصين. هذا المشروع، المعروف باسم GRAND، يستخدم مصفوفة واسعة من الهوائيات اللاسلكية لالتقاط الإشارات الراديوية الخافتة الناتجة عندما تصطدم الأشعة الكونية بالغلاف الجوي. يصف البحث التقدم المحرز في GRANDProto300، وهو نسخة تجريبية من هذا التجربة صُممت لإثبات أن طريقة الكشف الراديوي هذه تعمل. بين أواخر عام 2024 ومنتصف عام 2025، قام الفريق بتشغيل نسخة أصغر من المصفوفة، حيث نشروا في النهاية 65 هوائياً عبر الصحراء، كان 63 منها يعمل ويجمع البيانات باستقرار. لم يكن هدفهم مجرد الاستماع، بل تعليم حواسيبهم كيفية التمييز بين الإشارة الحقيقية للأشعة الكونية والضجيج الهائل للبيئة المحيطة، مثل الموجات الراديوية المنبعثة من الطائرات أو المعدات الكهربائية.
واجه الباحثون تحدياً كبيراً: كانت البيانات الخام التي جمعتها الهوائيات مغمورة بالإنذارات الكاذبة. وللعثور على الأشعة الكونية الحقيقية، طوروا عملية تصفية خطوة بخطوة، تشبه تماماً عملية غربلة كومة كبيرة من الرمل للعثور على بضع حبات محددة. أولاً، قاموا بإزالة نبضات الضجيج التي ظهرت في مجموعات، والتي غالباً ما كانت تأتي من الطائرات التجارية أو محول كهربائي قريب. بعد ذلك، نظروا في اتجاه الموجات الراديوية؛ ولأن الأشعة الكونية تتفاعل مع المجال المغناطيسي للأرض، فإنها تنتج إشارات ذات توجه محدد يختلف عن الضجيج العشوائي في الخلفية. كما قاموا بتصفية الإشارات القادمة من فوق الرأس مباشرة أو المسطحة تقريباً عند الأفق، حيث جعلت هندسة مصفوفة الهوائيات الخاصة بهم من الصعب إعادة بناء تلك الزوايا المحددة بدقة. وأخيراً، تحققوا من توقيت الإشارات عبر الهوائيات المختلفة لضمان مطابقتها لوقت السفر المتوقع لموجة قادمة من نقطة واحدة في السماء.
بعد تطبيق هذه الفلاتر الصارمة على ملايين الأحداث المسجلة، قلص الفريق القائمة إلى 51 مرشحاً قوياً فقط بدت وكأنها أشعة كونية حقيقية. أظهرت هذه المرشحات الأنماط المتوقعة للوصول وقوة الإشارة، مما يشير إلى أن طريقة التصفية كانت تعمل بنجاح. ومع ذلك، أدرك الفريق أن القواعد اليدوية قد لا تلتقط كل شيء، لذا بدأوا في تدريب برنامج حاسوبي باستخدام نوع من الذكاء الاصطناعي يسمى الشبكة العصبية. تعلم هذا البرنامج التعرف على الشكل الفريد لإشارة الأشعة الكونية من خلال دراسة آلاف الأمثلة من كل من عمليات المحاكاة الحاسوبية والبيانات الحقيقية. وعند اختباره، أثبتت هذه الأداة الجديدة فاعلية عالية في تحديد الإشارات المحاكية، حيث نجحت في تحديد جميعها تقريباً بشكل صحيح. وكان أداؤها على إشارات الأشعة الكونية الحقيقية المسجلة جيداً ولكنه أقل قليلاً، مما يشير إلى أنه بينما تعد هذه الطريقة قوية، إلا أنه لا تزال هناك مساحة لتحسين كيفية تعاملها مع تعقيدات البيانات الواقعية.
يمثل العمل المعروض هنا خطوة حيوية للأمام في البحث عن أصول الأشعة الكونية عالية الطاقة. فمن خلال التشغيل الناجح للمصفوفة التجريبية وتطوير مسار يمكنه فصل أحداث الأشعة الكونية الحقيقية عن الضجيج، أثبت الباحثون صحة التقنية الأساسية لتجربة GRAND الأكبر. إن تحديد 51 مرشحاً وتطوير أداة تعلم آلي لتحسين الكشف المستقبلي يظهر أن الطريق بات واضحاً. ينتقل الفريق الآن نحو مصفوفة أكبر وأكثر حساسية ستكون قادرة على رسم خريطة للانتقال بين الأشعة الكونية المجرية وخارج المجرية، مما قد يكشف عن المحركات الخفية للكون التي تسرع هذه الجسيمات إلى هذه السرعات المذهلة.
ملخص تقني: البحث عن الأشعة الكونية في تجربة GRANDProto300
بيان المشكلة تهدف تجربة GRANDProto300 (GP300)، وهي مصفوفة نموذجية لمشروع مصفوفة GRAND العملاقة للكشف عن النيوترينو، إلى التحقق من تقنية الكشف الراديوي المستقل للجسيمات الفلكية. وتستهدف التجربة تحديداً الأشعة الكونية ذات الطاقات التي تتراوح بين 1017 و 1018.5 إلكترون فولت لدراسة منطقة الانتقال بين المصادر المجرية والمجرية الخارجية. ويتمثل التحدي الرئيسي الذي يعالجه هذا العمل في تحديد إشارات الأشعة الكونية الحقيقية ضمن مجموعة بيانات ضخمة تهيمن عليها الضوضاء. تخضع البيانات لنوعين من التداخل: "الطفيليات" (الضوضاء العابرة التي تسبب محفزات كاذبة، مثل تلك الناتجة عن الطائرات أو المحولات الكهربائية) والضوضاء الخلفية المستقرة. والهدف هو تطوير مسار معالجة قوي لتصفية هذه الأحداث والتمييز بين زخات الأشعة الكونية الحقيقية والضوضاء بنقاء عالٍ.
المنهجية يقدم المؤلفون نهجاً ذا شقين: مسار تصفية حتمي وطبقة تحديد تعتمد على التعلم الآلي.
مسار البحث الحتمي: يطبق المسار سلسلة من القيود الصارمة على مجموعة بيانات مكونة من 5,477,117 حدثاً من بيانات التزامن (Coincidence Data - CD) تم تسجيلها بين يوليو وأكتوبر 2025. تعطي العملية الأولوية للنقاء على الكفاءة:
قطع التكتل (Cluster Cut): يزيل الأحداث المتكتلة زمنياً ومكانياً (المسافة الزاوية Δϑ<5∘، والمسافة الزمنية Δt<5 ثوانٍ) للقضاء على انفجارات التداخل. أدت هذه الخطوة إلى إزالة 88% من البيانات.
قطع الاستقطاب (Polarization Cut): يستفيد من متجه المجال المغناطيسي الأرضي (B) ومتجه المجال الكهربائي (eV). وبما أن إشارات الأشعة الكونية يُتوقع أن تكون متعامدة مع B (أي eV⋅eB≈0)، فإن الأحداث التي تفشل في هذا المعيار يتم رفضها، مما أدى لإزالة 35% من الأحداث.
قطع السمت (Zenith Cut): يزيل الأحداث ذات زوايا السمت المعاد بناؤها θ≤60∘ (كفاءة منخفضة للتخطيط) و θ≥88∘ (صعوبات في إعادة البناء)، مما أدى لاستبعاد 61% من الدفعة.
قطع التأخير (Delay Cut): يستخدم ملاءمة الموجة الكروية (Spherical Wave Fit - SWF) لإعادة البناء لمقارنة أوقات الوصول المقاسة مع التوقعات النظرية. الأحداث ذات التباين العالي في χ2 (عتبة 103) يتم تصفيتها، مما أدى لإزالة 44% من البيانات.
قطوع الجودة (Quality Cuts): يتم تطبيق ملاءمة توزيع زاوي (ADF) نهائية بعتبة χADF2<20.
النتيجة: قامت هذه القيود مجتمعة بتصفية 99.63% من الطفيليات، مما ترك حوالي 20,000 مرشح لمزيد من التحليل، تم اختيار 51 منها كمرشح للأشعة الكونية.
طبقة التحديد بالتعلم الآلي: لمعالجة شكل الآثار المسجلة (والتي لا تستخدمها القيود الحتمية بشكل كامل)، طور المؤلفون شبكة عصبية تلافيفية (CNN) للتصنيف الثنائي (ضوضاء مقابل أشعة كونية).
بناء مجموعة البيانات: تم استخراج الآثار من بيانات يوليو 2025. تتضمن مجموعة البيانات آثاراً مكونة من 384 نقطة من الطفيليات الحقيقية، والأشعة الكونية المحاكات (المدرجة في ضوضاء الخلفية)، و567 أثراً حقيقياً للأشعة الكونية تم تحديدها عبر المسار.
البنية: تستخدم النماذج 13 طبقة تلافيفية مع تطبيع الدفعة (batch normalization) وتنشيط ReLU، متبوعة بتجميع متوسط عالمي وطبقة كثيفة. تم اختبار متغيرين: التلافيف أحادية الأبعاد (1D) وثنائية الأبعاد (2D)، لمعالجة القنوات X (شمال-جنوب) و Y (شرق-غرب).
التدريب: تم تدريب النماذج لمدة 4000 حقبة (epoch) بحجم دفعة 128 ومعدل تعلم 0.01، مع التحسين من أجل الاستدعاء (Recall) (الإيجابيات الحقيقية / (الإيجابيات الحقيقية + السلبيات الكاذبة)).
المساهمات الرئيسية
التحقق التشغيلي: يسجل البحث التشغيل المستقر لـ GP300، حيث جمعت 63 هوائياً البيانات حتى يوليو 2025، ويقدم أول مسار نظامي للبحث عن الأشعة الكونية لهذا النموذج الأولي.
كفاءة التصفية: يثبت المؤلفون قدرة المسار على تقليص مجموعة بيانات تزيد عن 5 ملايين حدث إلى مجموعة مدارة من المرشحين عبر إزالة 99.63% من أحداث الضوضاء من خلال قيود فيزيائية وهندسية منهجية.
تكامل التعلم الآلي: يقدم البحث خوارزمية تعتمد على الشبكات العصبية التلافيفية (CNN) مصممة خصيصاً للتمييز بين إشارات الضوضاء والأشعة الكونية باستخدام آثار الإشارة، مما يمثل خطوة نحو تحليل أكثر تطوراً خارج الخط (offline analysis).
تحديد المرشحين: نجح المسار في تحديد 51 مرشحاً للأشعة الكونية، والتي تتوافق اتجاهات وصولها وهيمنة إشاراتها مع التوقعات النظرية فيما يتعلق بالمجال المغناطيسي الأرضي.
النتائج
أداء المسار: قللت القيود الحتمية عدد الأحداث من 5.47 مليون حدث أولي إلى 51 مرشحاً. وتظهر اتجاهات وصول هؤلاء المرشحين (كما هو موضح في الشكل 1) هيمنة الإشارة المتوقعة من الشرق إلى الغرب.
أداء التعلم الآلي:
الآثار المحاكات: حققت النماذج معدلات استدعاء عالية بلغت 95.71% (نموذج 1D) و 97.85% (نموذج 2D).
آثار الأشعة الكونية الحقيقية: كان الاستدعاء أقل ولكن لا يزال مهماً، حيث بلغ 62.08% (1D) و 71.15% (2D).
رفض الطفيليات: ميزت النماذج بفعالية بين الطفيليات والأشعة الكونية، حيث أظهر نموذج 2D استدعاءً بنسبة 71.15% للأشعة الكونية الحقيقية مع الحفاظ على معدل منخفض للإيجابيات الكاذبة في مجموعة اختبار الطفيليات.
الأهمية والادعاءات يدعي البحث أن المسار المطور نجح في التحقق من تقنية الكشف الراديوي المستقل للأشعة الكونية في نطاق الطاقة 1017−1018.5 إلكترون فولت. ومن خلال الجمع بين القيود الفيزيائية المنهجية وطبقة التعلم الآلي الآخذة في التطور، يثبت المؤلفون جدوى عزل إشارات الأشعة الكونية من بيئة عالية الضوضاء. إن تحديد 51 مرشحاً يعمل كإثبات للمفهوم (proof-of-concept) للعمليات المستقبلية واسعة النطاق لتجربة GRAND. ويشير المؤلفون بتواضع إلى أنه بينما تم تطبيق معايير الاختيار البصري مؤقتاً، فإن التطوير المنهجي لقطوع شكل الأثر (عبر الـ CNN) هو جهد مستمر لتحسين التحديد دون الاعتماد على الفحص اليدوي. يضع هذا العمل حجر الأساس لدراسة منطقة الانتقال المجري-المجري الخارجي باستخدام مصفوفة GRAND.