أطلس الفيزياء داخل نموذج النيوترينو: مكتبة لا يقرؤها من كُتبت له ✛ ✎

الأصل: "Finding and using interpretable latents in a neutrino foundation model with sparse autoencoders"
arXiv:2608.26090v1 · 2026-08-26 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
المشفِّرات الذاتية المتناثرة تكشف التمثيل الداخلي لنموذج النيوترينو: السمات الفيزيائية موجودة، لكن رأس الاتجاه لا يكاد يقرؤها.

في جليد القارة القطبية الجنوبية، لا يترك الجسيم الشبح وراءه سوى وميض خافت من الضوء الأزرق. يلتقط كاشف IceCube هذه الوميضات، ومن خلالها يجب فهم من أين جاء الجسيم. تعلّم نموذج PolarBERT القيام بذلك، لكن ما يراه بالضبط في الداخل ظل لغزًا.

للنظر إلى الداخل، طبق الباحثون مشفِّرًا ذاتيًا متناثرًا، وهو شبكة عصبية تستخرج عددًا صغيرًا من السمات المهمة من تنشيطات النموذج. النتيجة قاموس من 1024 اتجاهًا كامنًا. كل اتجاه يشبه رفًا في مكتبة، يحمل فكرة فيزيائية معينة.

أقوى سمة هي «السطوع النقي». تعمل على الأحداث ذات الغلبة للنبضات القياسية والشحنة العالية. إنها كقسم في المكتبة يجمع كتبًا عن الأحداث الساطعة والمقاسة جيدًا.

لكن المفارقة هنا: رأس الاتجاه، الذي كان من المفترض أن يستخدم هذه المكتبة، لا يكاد يلجأ إليها. إزالة هذه السمات أو إعادة كتابتها تغيّر الاتجاه المتوقع بأقل من 0.1°، وكأن نظام الملاحة يتجاهل خريطة مفصلة ويسير على خط تقريبي فقط.

لكن رأسًا آخر، رأس عدم اليقين، يعتمد سببيًا على سمات السطوع النقي. إزالة كامن واحد تغيّر الخطأ المتوقع بمعامل 1.36. بتدريب هذا الرأس، تمكن الباحثون من انتقاء الأحداث بحيث تحسّنت الدقة الزاوية الوسيطية من 20.2° إلى 3.2° عند كفاءة انتقاء 20%.

مكتبة الفيزياء كُتبت، لكن ليس للمهمة التي بُنيت من أجلها. هذا يفتح الطريق لتطبيقات جديدة: إذا كان النموذج يخزن معرفة لا يستخدمها، يمكن تصميم مهمة تستخدمها. وعندها، سيروي الوميض في جليد القطب الجنوبي عن مصدره بدقة أكبر بكثير.

الكامن الساطع النقي يعمل على 14% فقط من الأحداث، لكنه هو الذي تبين أنه سببي لرأس عدم اليقين، وليس لرأس الاتجاه.

المفاهيم
المشفر الذاتي الذكاء الاصطناعي القابل للتفسير (XAI) تحليل آلي تمييز الأنماط إعادة بناء البيانات بالشبكات العصبية التعلم ذاتي الإشراف (Self-Supervised Learning) شفافية اكتساب اللغة العصبي المُحَوِّلات (Transformers) نموذج لغة البروتين الإطار نموذج تنبؤي تعلم النقل