إحصاء

تقدير الاحتمال الأعظم

اختيار قيم المعاملات التي تجعل البيانات المرصودة الأكثر احتمالاً في ظل النموذج؛ الأداة الأساسية لتركيب البيانات في الفيزياء التجريبية.
18 مقالات ذات صلة

الوصف

تقدير الاحتمال الأقصى هو الأداة الأساسية لتحليل البيانات في الفيزياء لأنه بديهي وقوي إحصائيًا. فهو يوفر طريقة مبدئية لاستخراج أفضل تقدير لكمية فيزيائية من قياسات مشوشة، وينتج بشكل طبيعي حالات عدم يقين حول هذه التقديرات من خلال انحناء دالة الاحتمال. كما أنه الأساس للعديد من التقنيات المتقدمة، مثل الاستدلال البايزي، الذي يوسع نطاق تقدير الاحتمال الأقصى من خلال دمج المعرفة السابقة. في فيزياء الجسيمات، يُستخدم تقدير الاحتمال الأقصى لاكتشاف جسيمات جديدة من خلال مقارنة احتمال نموذج الخلفية فقط مع نموذج يتضمن إشارة.

التاريخ

قدم هذه الطريقة رونالد فيشر في عشرينيات القرن العشرين، بناءً على أعمال سابقة لكارل فريدريش غاوس وآخرين. قام فيشر بإضفاء الطابع الرسمي على مفهوم الاحتمال وأثبت العديد من خصائصه الإحصائية المرغوبة، مما جعله حجر الزاوية في الإحصاء الحديث.

كيف يعمل

تبدأ الطريقة بتوزيع احتمالي يصف كيفية توليد البيانات بناءً على معاملات النموذج. على سبيل المثال، إذا كنت تقيس أوقات اضمحلال عينة مشعة، فقد تفترض أنها تتبع توزيعًا أسيًا بمعامل معدل λ. دالة الاحتمال L(λ) هي حاصل ضرب احتمالات كل نقطة بيانات مرصودة، بافتراض λ. للعثور على الحد الأقصى، عادةً ما تأخذ لوغاريتم الاحتمال (لأنه من الأسهل التعامل مع المجاميع بدلاً من الحواصل) ثم تجد قيمة المعامل التي تجعل المشتقة صفرًا. يمكن القيام بذلك تحليليًا للنماذج البسيطة أو عدديًا للنماذج المعقدة. يُسمى التقدير الناتج بتقدير الاحتمال الأقصى، وغالبًا ما يُشتق عدم يقينه من المشتقة الثانية للوغاريتم الاحتمال، والتي تعطي معلومات فيشر.

في التطبيق

يُستخدم تقدير الاحتمال الأقصى في كل تحليل فيزيائي تجريبي تقريبًا، بدءًا من تركيب مسارات الجسيمات في الكواشف إلى تقدير ثابت هابل من بيانات المستعرات الأعظمية، ويُطبق أيضًا على نطاق واسع في مجالات مثل الاقتصاد وعلم الأحياء والتعلم الآلي.

حقيقة طريفة

تقدير الاحتمال الأقصى ليس دائمًا غير متحيز—على سبيل المثال، تقدير الاحتمال الأقصى لتباين التوزيع الطبيعي أصغر قليلاً في المتوسط—لكنه لا يزال الأكثر كفاءة في كثير من الحالات، مما يعني أنه يمتلك أصغر تباين ممكن بين المقدرات غير المتحيزة.

Concept graph →

مقالات ذات صلة · 16

Monroe: نموذج جزيئي مع استدلال احتمالي
المترجم الفوري ينشغل بأي صوت في القاعة، فتمتد ساعة الاجتماع إلى ساعتين. وكذلك النماذج التأسيسية الجزيئية: فهي تتعلم لغة الجزيئات من مجموعات ضخمة، لكنها تحتاج إلى ضبط لكل محادثة جديدة. Monroe يغير القواعد: فهو لا يتعلم لغة جديدة، بل يجد المعنى المشترك فورًا من خلال أمثلة قليلة.
الطقس مقابل المناخ: كيف نميز الضجيج عن الإشارة
في الشتاء، تتساقط في أحد أحياء المدينة ثلاثة أضعاف كمية الثلوج التي تتساقط في الحي المجاور. سنة حارة، وأخرى باردة. هذه نزوات الطقس — تقلبات قصيرة الأجل وفوضوية في الغلاف الجوي. ولكن على مدى عقود، نرى تحولًا آخر بطيئًا: فصول الشتاء تصبح أكثر اعتدالًا في المتوسط. التمييز بين الاثنين هو المهمة الرئيسية لعلماء المناخ.
كيف تختار الخلية طريقها: نظرة بايزية عبر الضجيج
خلية الأميبا Dictyostelium تزحف على الزجاج، تاركةً خلفها سلسلة من النقاط على المستوى — تسجيلًا لمسارها. ما القوى التي توجّه هذه الحركة؟ داخل الخلية يعمل محرك جزيئي: البروتينات تنقبض، والغشاء يترنح، والماء يُحدث ضغطًا.
حارس مع خريطة: صيد الكواكب المتجولة
مئتا مليون نجم. في مركز المجرة، حيث يستهدف المسح المستقبلي لتلسكوب نانسي غريس رومان، حوالي 250 مرة خلال المهمة سيرتعش ضوء أحدها من لمسة غير مرئية. هذه هي الكواكب العائمة بحرية – عوالم طُردت من أنظمتها الأم – و الكواكب الخارجية الأرضية التي تدور حول شموس بعيدة.
قناع غاوس سقط: كيف غيرت 4 610 أكوان إحصاءات الكون
4 610 كونا – هذا بالضبط عدد النماذج الكونية التي احتاجها علماء الفيزياء الفلكية لإظهار أن قناع غاوس المألوف لم يعد صالحًا لبيانات الجيل الجديد. المسوحات السماوية المستقبلية، مثل بعثة Euclid ومرصد Vera Rubin، تعد باستخدام العدسات الجاذبية لرسم خرائط المادة المظلمة – تلك التي اكتشفت وجودها Vera Rubin من خلال الدوران الشاذ للمجرات.
الكون أكثر تعقيدًا مما كنا نظن
الجاذبية ليست مجرد قوة تُبقينا على الأرض. على نطاق الكون، هي التي تقود المجرات، وتُحدّب أشعة الضوء، وتحدد مصير كل شيء. قبل مئة عام، وصفها ألبرت أينشتاين بأنها انحناء في المكان والزمان. ولكن ماذا لو كانت هذه الصورة تحتاج إلى لمسة إضافية — تأثير المادة نفسها؟ هذا هو الاحتمال الذي اختبره فريق من الباحثين.
سيمفونية الأقزام البيضاء: كيف تتعلم الشبكة العصبية سماع موسيقى الجاذبية لـ LISA
الكون ليس صامتًا: إنه مليء بطنين مستمر من الموجات الثقالية. بعد عقد من الزمن، ستضبط مركبة LISA الفضائية "أذنيها" على نطاق الميلي هرتز، وسيكون أغنى مصدر هو مجرتنا — عشرات الآلاف من أزواج الأقزام البيضاء، التي تدور في رقصة سريعة. المشكلة أن إشاراتها تندمج في نشاز، يطغى بعضها على بعض.
تنفس الهاوية: الشبكات العصبية تستمع إلى التنهدات المغناطيسية للثقوب السوداء
الثقب الأسود ليس فراغًا جامدًا، بل محرك مغناطيسي حي. 'قلبه' - قرص التراكم - ينبض: شهيق - المادة تلتف في دوامة، زفير - إعادة الاتصال المغناطيسي يمزق خطوط القوة، وتنطلق البلازما بعيدًا عن الأفق.
كيف تنصّت الشبكة العصبية على ضجيج الحياة
نموّ الجماعة الحيوية من بعيد يشبه قطارًا يتسارع: يزحف في البداية، ثم يكتسب سرعة. لكن بمجرد التحديق في البيانات، تتلاشى الصورة. في قياسٍ واحد نجد عشرة أفراد، وفي آخر مئة دفعة واحدة. النماذج التقليدية تمسح هذا التشتت كما لو كان غبارًا مزعجًا على العدسة. فهي تفترض أن الضجيج موحّد في كل مكان، وتتجاهله ببساطة. العمل الجديد يقترح أن ننصت إلى هذا الضجيج — كما ينصت الطبيب إلى تنفس المريض.
علم الكون2026-05-072 دarXiv:2605.05679سريع
أوركسترا كونية تختبر المادة المظلمة
كرتان ثقيلتان تدوران على سطح بركة. تنبعث منهما دوائر متوسعة — هذه هي الموجات الثقالية. عندما تقترب الكرتان من بعضهما، تحمل الموجات الطاقة بعيدًا، وتصبح الدوائر أكثر تكرارًا. يلتقط علماء الفلك مثل هذه التموجات من أزواج الثقوب السوداء الهائلة — التي تبلغ كتلتها مليارات المرات كتلة الشمس وتقع في مراكز المجرات البعيدة.
بصريات2026-05-022 دarXiv:2605.01306سريع
كيف ترى غازًا غير مرئي: الليزر والتعلم الآلي
مئة شخص يتحدثون في وقت واحد في قاعة كبيرة. تحاول أن تسمع صوتًا واحدًا بينهم، لكن الأصوات تتداخل، بعضهم يهمس، وبعضهم لا تعلم بوجوده أصلًا. هكذا تقريبًا يشعر جهاز تحليل الغاز بالليزر العادي عندما تختلط عشرات المواد في غرفة الاحتراق أو في أنبوب المصنع. يخترق الليزر الغاز، وكل نوع من الجزيئات يمتص جزءًا صغيرًا جدًا من الضوء عند طول موجي محدد، مثلما لا يفتح المفتاح إلا قفله الخاص.
المواد2026-04-241 دarXiv:2604.22938سريع
كيف تستخرج البيانات من آلاف المقالات
مكتبة تضم 27 ألف كتاب، وكلها عن الخرسانة. في كل كتاب وصفة للخلطة، ودرجة حرارة، وقوة. لكن المعلومات متناثرة بين الفقرات والجداول والحواشي. الإنسان لو أراد جمعها في مكان واحد لاحتاج سنوات. أما البرنامج فقد أنجز المهمة في ساعة واحدة. أخذ العلماء نموذجًا لغويًا كبيرًا — وهو النموذج الذي يجيد قراءة النصوص وفهمها — وضبطوه للبحث عن بيانات الخرسانة. استخرج النموذج من المقالات مكونات الخليط وطريقة التحضير والخصائص النهائية.
المواد2026-03-081 دarXiv:2603.07425سريع
البطاريات الصلبة: السر ليس في كمية البيانات
في البطارية العادية، يكون الإلكتروليت سائلاً، وتتحرك الجسيمات المشحونة (الأيونات) بحرية. أما في النسخة الصلبة، فإنها تندفع عبر "ممرات" ذرية، مثل المشاة في ممرات ضيقة. لكي تعمل البطارية بسرعة، نحتاج إلى مادة ذات موصلية أيونية جيدة. لكن البحث عن هذه المواد بشكل أعمى هو سنوات من التجربة والخطأ.
كاشف لا يعرف الكلل
يعمل كاشف الجسيمات في مصادم الهدرونات الكبير لسنوات دون توقف. تنتج أجهزة الاستشعار فيه جبالًا من البيانات كل ثانية، وبينها يجب رصد الخلل بسرعة — مثل ارتفاع الحرارة أو قناة معطوبة. في السابق كانت قواعد بسيطة تراقب ذلك، لكنها كثيرًا ما تخطئ. الآن جاءت الشبكة العصبية DepthViT للنجدة — خفيفة وسريعة، كفنيّ يقظ يعرف كيف يبدو العمل الطبيعي.
EveNet: كيف تتعلم شبكة عصبية من 500 مليون تصادم
في كاشف المصادم، يترك كل تصادم بروتونات أثرًا من عشرات الجسيمات، مثل رذاذ الماء المتطاير عند رمي حجر في بركة. فهم هذا الرذاذ ومعرفة ما حدث بالضبط لحظة الاصطدام مهمة لم يعد الإنسان قادرًا على إنجازها بمفرده. تأتي الشبكات العصبية للإنقاذ، وEveNet واحدة من أكثرها طموحًا: فقد دربت على 500 مليون تصادم محاكى. تنظر EveNet إلى كل حدث كسحابة من الجسيمات: لكل جسيم اتجاه وطاقة ونوع معروف.
آلة تتعلم رؤية الخفي
عندما يُنتَج كوارك القمة داخل كاشف الجسيمات، يتحلل فورًا إلى وابل كامل من الجسيمات الأخرى. إن التقاط إشارة إلى فيزياء جديدة في هذا الوابل يشبه سماع همسة في حفلة موسيقية صاخبة. لا يتطلب الأمر مجرد ميكروفون جيد، بل القدرة على طرح ضجيج مكبرات الصوت وضجيج الجمهور.