في عالم علوم الأرض، تلعب تقنية الرادار التداخلي (InSAR) دوراً حيوياً في مراقبة النشاط البركاني والزلازلي. ومع ذلك، يواجه الباحثون تحديات كبيرة في معالجة البيانات، إذ تعد مرحلة "فك الطور" هي العنق الزجاجي الرئيس في العمليات التشغيلية. لذا، قام الباحثون بتوجه مختلف، حيث قاموا بتحدي الاتجاه السائد في اعتماد بنى معمارية عالية التعقيد تعتمد على رؤية الكمبيوتر، مثل آليات الانتباه (Attention Mechanisms)، دون التحقق من ملاءمتها لمشاكل الانحدار الجيوفيزيائي المحددة في إطار الفيزياء.

وفي خطوة مبتكرة، أجريت أول دراسة شاملة على نطاق واسع للمقارنة بين المعماريات المعمارية باستخدام معيار LiCSAR العالمي، حيث تم تحليل 20 إطاراً و39،724 قطعة و651 مليون بكسل. وأظهرت النتائج وجود "عقوبة التعقيد"؛ حيث حققت شبكة U-Net التقليدية (التي تحتوي على 7.76 مليون متغير) أداءً ملحوظاً بلغ معامل التحديد $R^2=0.834$ ومتوسط خطأ الجذر التربيعي RMSE بلغ 1.01 سم، متفوقة بذلك على نماذج تعتمد على الانتباه مع 11.37 مليون متغير بنسبة 34% في $R^2$ و51% في RMSE.

كما قدم تحليل كثافة الطيف القدرة (Power Spectral Density) تبريراً فيزيائياً لهذا الأداء؛ فرغم براعة آليات الانتباه في التقاط الحواف السليمة في الصور الطبيعية، إلا أنها أدخلت تداخلات عالية التردد غير فيزيائية (أكثر من 0.3 دورة/بكسل) في الحقول الجيوفيزيائية، مما يعد انتهاكاً للقيود الأساسية للانزلاق السلس.

مع وقت استدلال يبلغ 2.92 ملي ثانية (زيادة قدرها 2.5 مرة في السرعة)، تعتبر شبكة U-Net التقليدية هي الخيار الوحيد القادر على تلبية متطلبات التشغيل السريعة التي تقل عن 100 ملي ثانية، مما يجعل هذه الدراسة تسهم في ردم الفجوة بين "النشر والممارسة"، مثبتة أن البساطة المدفوعة بالفيزياء تتفوق على التعقيد الحديث في تطبيقات تعلم الآلة لأبحاث الزلازل.

لمزيد من التفاصيل، يمكنك زيارة [الكود البرمجي المتاح على GitHub](https://github.com/prabhjotschugh/When-Less-is-More-InSAR-Phase-Unwrapping). هل تعتقد أن البساطة يمكن أن تتفوق دائماً على التعقيد؟ شاركونا آراءكم في التعليقات!