شبكة عصبية تتعلم ضغط البيانات وإعادة بنائها، وتُستخدم هنا لتوليد قوالب الموجات الثقالية بسرعة.المُرمِّز الذاتي هو نوع من الشبكات العصبية الاصطناعية التي تتعلم ضغط بيانات الإدخال إلى تمثيل منخفض الأبعاد ثم إعادة بناء البيانات الأصلية من ذلك الشكل المضغوط. تُدرَّب الشبكة على تقليل الفرق بين الإدخال وإعادة بنائه، مما يجبرها على التقاط أبرز سمات البيانات. في الفيزياء، أصبحت المُرمِّزات الذاتية أداة قيّمة لتوليد قوالب سريعة ودقيقة لإشارات الموجات الثقالية، والتي يكون حسابها من المبادئ الأولى مكلفًا حسابيًا.
طُرحت المُرمِّزات الذاتية في الثمانينيات من القرن العشرين على يد جيفري هينتون وآخرين كأسلوب للتعلم غير المُوجَّه، لكنها لاقت اهتمامًا واسعًا في العقد الأول من القرن الحادي والعشرين مع ظهور التعلم العميق. بدأ تطبيقها في علم الفلك الموجي الثقالي في أواخر العقد الثاني من القرن الحادي والعشرين، مع تزايد الحاجة إلى توليد سريع للقوالب بزيادة حساسية الكواشف.
يتكون المُرمِّز الذاتي من جزأين: مُرمِّز يحوّل الإدخال إلى شيفرة كامنة مضغوطة، وفكّ ترميز يعيد الشيفرة إلى الفضاء الأصلي. أثناء التدريب، تُعدِّل الشبكة أوزانها بحيث يقارب المخرج الإدخال لمجموعة كبيرة من الأمثلة. بعد التدريب، يمكن لفكّ الترميز توليد عينات جديدة من شيفرات كامنة عشوائية، ليعمل بفعالية كنموذج بديل سريع. بالنسبة للموجات الثقالية، يُدرَّب المُرمِّز الذاتي على أشكال موجية محاكاة، ثم يمكن لفكّ الترميز إنتاج قالب لمجموعة معينة من المعاملات (مثل كتل الثقوب السوداء وعزمها المغزلي) بشكل شبه فوري، متجاوزًا محاكاة النسبية العددية البطيئة.
تُستخدم المُرمِّزات الذاتية في تحليل بيانات الموجات الثقالية لتسريع عمليات البحث بالترشيح المطابق، وفي الفيزياء الفلكية لتصنيف المجرات من صور المسوحات، وفي التصوير الطبي لإزالة الضوضاء أو ضغط الفحوصات.
يمكن لمُرمِّز ذاتي مُدرَّب على إشارات الموجات الثقالية توليد شكل موجي جديد في ميلي ثانية، بينما قد تستغرق محاكاة النسبية العددية الكاملة أسابيع على حاسوب فائق.















