تُستخدم العمليات الغاوسية لإعادة بناء معادلة حالة الطاقة المظلمة من البيانات.انحدار العمليات الغاوسية هو أسلوب إحصائي قوي لإعادة بناء دالة من بيانات مشوشة دون افتراض شكل معين للدالة. في علم الكون، يُستخدم غالبًا لاستنتاج معادلة حالة الطاقة المظلمة — العلاقة بين الضغط وكثافة الطاقة التي تدفع التوسع المتسارع للكون — مباشرة من الملاحظات مثل مسافات المستعرات العظمى أو بيانات إشعاع الخلفية الكونية الميكروي. على عكس التوفيق التقليدي بنموذج ثابت (مثل ثابت أو متعدد الحدود)، تسمح العمليات الغاوسية للبيانات بأن "تتحدث عن نفسها"، مما يوفر إعادة بناء مرنة وغير معلمية تحدد أيضًا عدم اليقين في كل نقطة.
تمت صياغة العمليات الغاوسية للانحدار في التسعينيات، بناءً على أعمال سابقة في الإحصاء الجيولوجي (التقدير المكاني) والتعلم الآلي. أصبح تطبيقها على إعادة بناء الطاقة المظلمة شائعًا في العقد 2010، مع أوراق رئيسية لهولسكلو وآخرين.
تعامل الطريقة الدالة المجهولة كسحب عشوائي من عملية غاوسية — مجموعة من المتغيرات العشوائية، أي مجموعة جزئية محدودة منها لها توزيع غاوسي مشترك. دالة التغاير (النواة) ترمز إلى افتراضات حول النعومة وطول الارتباط. بالنظر إلى نقاط البيانات المرصودة، يتم تكييف العملية عليها، مما ينتج توزيعًا خلفيًا على الدوال. متوسط هذا التوزيع الخلفي يعطي أفضل تقدير للدالة، بينما يعطي التباين أشرطة خطأ تكبر في المناطق ذات البيانات المتناثرة. عادةً ما يتم تحسين معلمات النواة الفائقة بتعظيم الاحتمالية الهامشية.
خارج علم الكون، يُستخدم انحدار العمليات الغاوسية في الروبوتات لتعلم سياسات التحكم، وفي التنبؤ الجوي للاستيفاء المكاني، وفي التحسين البايزي لضبط المعلمات الفائقة لنماذج التعلم الآلي.
العمليات الغاوسية هي حجر الزاوية في التحسين البايزي الحديث، الذي يُستخدم لضبط إعدادات المغناطيس في مصادم الهادرونات الكبير.









