مقاله ترنسفورمر پنهان دوتایی (BiLT): رمزگذار-رمزگشای ناوردای انتقالی برای جداسازی طیفی بدون کالیبراسیون محیط‌های کدر

بازیابی دقیق خواص نوری در سطح اجزا از اندازه‌گیری‌های کره مجتمع، چالشی تحلیلی اساسی در تجزیه و تحلیل دارویی، علوم غذایی و تشخیص‌های زیست‌پزشکی است. خودرمزگذارهای شبکه‌های عصبی می‌توانند ضرایب جذب و پراکندگی تفکیک شده طیفی را برای هر جزء بدون دانش قبلی استخراج کنند، اما رمزگذارهای کاملاً متصل آن‌ها، ویژگی‌های آموخته شده را به شاخص‌های مطلق طول موج مرتبط می‌کنند و باعث از دست دادن دقت در اثر انحراف کالیبراسیون اسپکترومتر یا تعویض سخت‌افزار می‌شوند. این پژوهش، خودرمزگذار ترنسفورمر با باینری نهفته (BiLT)-Autoencoder را معرفی می‌کند که در آن رمزگذار متراکم با یک اسکنر توجه متقابل جایگزین شده است: ۱۶ بردار کاوشگر قابل یادگیری، یک نقشه ویژگی کانولوشنی را پرس‌وجو کرده و اطلاعات طیفی مورفولوژیکی را مستقل از موقعیت مطلق طول موج تجمیع می‌کنند. یک رمزگشای خطی محدود شده با فیزیک که جداسازی جذب/پراکنش را اجبار می‌کند و یک استراتژی افزایش برنامه درسی سه فازی، معماری را تکمیل می‌کنند. در یک معیار فانتوم مایع (اینترالپید و دو جاذب جوهر؛ ۴۹۶ نمونه)، مدل به $R^2 = 0.979$ و $0.975$ برای $μ_a(λ)$ و $μ_s'(λ)$ به ترتیب، بر روی طیف‌های آزمایشی جدا شده دست می‌یابد و $R^2 > 0.90$ برای $μ_a$ و $R^2 approx 0.99$ برای $μ_s'$ را در کل محدوده شیفت تست شده $pm 10$ باند طیفی حفظ می‌کند. مدل بدون بازآموزی به یک اسپکترومتر شبیه‌سازی شده با شکل خط ابزار گسترده‌تر (تقریباً ۲۴ نانومتر FWHM) تعمیم می‌یابد و $R^2 approx 0.96$ و $0.974$ را برای دو کانال حفظ می‌کند. تجزیه و تحلیل نقشه توجه، یک استراتژی کاوشگر دو جزئی قابل تفسیر فیزیکی را آشکار می‌کند: کاوشگرهای لنگر پراکنده در طول موج‌های لبه جذب، همراه با مجموعه‌ای پراکنده و وابسته به نسبت سیگنال به نویز (SNR) در ناحیه طول موج بلند با انتقال بالا، که کاوشگرهای اضافی را به طور پویا تحت نویز برای میانگین‌گیری ضمنی طیفی فرا می‌خواند.

The accurate recovery of constituent-level optical properties from integrating sphere measurements is a central analytical challenge in pharmaceutical analysis, food science, and biomedical diagnostics. Neural network autoencoders can extract spectrally resolved absorption and scattering coefficients for each constituent without prior knowledge, but their fully connected encoders bind learned features to absolute wavelength indices, causing accuracy loss under spectrometer calibration drift or hardware exchange. This work introduces the Bin Latent Transformer (BiLT)-Autoencoder, in which the dense encoder is replaced by a cross-attention scanner: 16 learnable probe vectors query a convolutional feature map, aggregating morphological spectral information independently of absolute wavelength position. A physics-constrained linear decoder with enforced absorption/scattering separation and a three-phase curriculum augmentation strategy complete the architecture. On a liquid phantom benchmark (intralipid and two ink absorbers; 496 samples), the model achieves $R^2 = 0.979$ and $0.975$ for $μ_a(λ)$ and $μ_s'(λ)$, respectively, on held-out test spectra, maintaining $R^2 > 0.90$ for $μ_a$ and $R^2 approx 0.99$ for $μ_s'$ across the full tested shift range of $pm 10$ spectral bands. The model generalises to a simulated spectrometer with a broader instrument line shape (${approx}24$nm FWHM) without retraining, retaining $R^2 approx 0.96$ and $0.974$ for the two channels. Attention map analysis reveals a physically interpretable two-component probe strategy: sparse anchor probes at absorption-edge wavelengths combined with a diffuse, SNR-driven ensemble at the high-transmittance long-wavelength region, which recruits additional probes dynamically under noise to provide implicit spectral averaging.