ملخص تقني: DynGhost

بيان المشكلة

التصوير الشبحي (Ghost imaging) هو تقنية حوسبية تعيد بناء المعلومات المكانية من كاشف أحادي البكسل (bucket detector) عبر ربط أنماط الإضاءة المهيكلة بقياسات شدة السعة. وبينما حقق التعلم العميق تقدماً في إعادة بناء المشاهد الثابتة، فإن هناك قصورين حرجين يعيقان تطبيق التصوير الشبحي في السيناريوهات الديناميكية والواقعية:

1. الافتقار إلى النمذجة الزمنية: تتعامل البنيات الحالية (بما في ذلك الشبكات العصبية الالتفافية CNNs والمحولات الثابتة مثل Ghost-GPT) مع المشاهد ككيانات ثابتة بحتة. فهي تفشل في استغلال التماسك الزمني عبر الإطارات، مما يؤدي إلى عيوب حركية شديدة أو الاضطرار إلى استبعاد الإطارات المتحركة.
2. عدم دقة نمذجة الضوضاء: تفترض مناهج التعلم العميق الحالية وجود ضوضاء غاوسية مضافة. وهذا يتناقى مع الواقع الفيزيائي لكواشف الفوتون الواحد الكمومية (مثل SNSPDs وSPADs وSiPMs)، التي تعمل وفق إحصاءات بواسون (Poissonian statistics) وتظهر عيوباً محددة مثل العد الداكن (dark counts)، والنبض اللاحق (afterpulsing)، والتداخل (crosstalk). هذا التحول في التوزيع يجعل النماذج المدربة على بيانات غاوسية تفشل تحت قيود الأجهزة الواقعية.

المنهجية: بنية DynGhost

يقترح المؤلفون DynGhost (محول التصوير الشبحي الديناميكي)، وهو إطار عمل مصمم لمعالجة الفجوات في النمذجة الزمنية والفيزيائية.

1. البنية

يعالج DynGhost تسلسلاً من قياسات الـ bucket $B \in \mathbb{R}^{T \times M}$ لإنتاج إطارات معاد بناؤها $\hat{X} \in \mathbb{R}^{T \times H \times W}$.

• تضمين الرموز (Token Embedding): يتم تشكيل المدخلات عن طريق دمج عمليات إسقاط متعلمة لأقنعة الإضاءة ($H_i$) وقياسات الـ bucket ($b_i$)، مع تعزيزها بتشفيرات موضعية مكانية وزمنية متعلمة.
• كتل الانتباه المتناوبة (Alternating Attention Blocks): الابتكار الجوهري هو سلسلة من $L$ من كتل المحولات (transformer blocks) التي تتناوب بين نمطين:
  • الانتباه المكاني (Spatial Attention): ينمذج الأنماط المعلوماتية داخل إطار واحد (تعقيد $O(M^2)$).
  • الانتباه الزمني (Temporal Attention): ينشر المعلومات عبر الإطارات لنمط معين لاستغلال التماسك الحركي (تعقيد $O(T^2)$).
• المخرج: تقوم طبقة إسقاط برسم خرائط تمثيلات الرموز النهائية إلى المجال المكاني للصورة.

2. هدف التدريب

يتم تحسين النموذج باستخدام دالة خسارة مركبة:
$$\mathcal{L} = \mathcal{L}_{MSE} + 0.5 \mathcal{L}_{SSIM} + 0.1 \mathcal{L}_{temp}$$

• $\mathcal{L}_{MSE}$: خطأ إعادة البناء على مستوى البكسل.
• $\mathcal{L}_{SSIM}$: خسارة التشابه الهيكلي الإدراكي.
• $\mathcal{L}_{temp}$: خسارة التماسك الزمني التي تفرض أن الفرق بين الإطارات المعاد بناؤها المتتالية يطابق الفرق في إطارات الحقيقة الأرضية (ground truth)، مما يضمن انتشار حركة سلس.

3. إطار التدريب الواعي بالكم (Quantum-Aware)

لسد الفجوة بين المحاكاة والأجهزة، قدم المؤلفون خط أنابيب محاكاة للكاشف دقيق فيزيائياً:

• محاكاة الكاشف: تتضمن عملية توليد بيانات التدريب إحصاءات بواسون لعد الفوتونات، جنباً إلى جنب مع عيوب الأجهزة المحددة (معدل العد الداكن، زمن الموت، النبض اللاحق، والتداخل) لأنواع SNSPDs وSPADs وSiPMs.
• تطبيع استقرار التباين (Variance-Stabilizing Normalization): إدراكاً لأن ضوضاء بواسون هي ضوضاء غير متجانسة التباين (heteroscedastic) - حيث يتغير التباين مع المتوسط - طبق المؤلفون تحويل Anscombe ($f(n) = 2\sqrt{n + 3/8}$) أو تحويل Freeman–Tukey. تقوم هذه التحويلات بتحويل عدات بواسون إلى متغيرات ذات تباين وحدة تقريباً، مما يوائم توزيع المدخلات مع الافتراضات الضمنية لخسارة MSE.

المساهمات الرئيسية

1. أول محول تصوير شبحي ديناميكي: يعد DynGhost أول بنية تستغل صراحةً التماسك الحركي عبر الانتباه المكاني-الزمني وخسائر التماسك الزمني، مما يعطي تنبؤات أكثر سلاسة للمشاهد الديناميكية.
2. تقييم الكاشف الكمومي وتخفيف تحول التوزيع: يقدم البحث أول إطار عمل يتم تدريبه وتقييمه تحت محاكاة حقيقية للكواشف الكمومية. وقد حدد أن النماذج المدربة على بيانات غاوسية تعاني من تحولات توزيع كارثية على الأجهزة الحقيقية، وحل ذلك عبر النمذجة الصحيحة للضوضاء وتثبيت التباين، محققاً زيادة قدرها +33.4% في SSIM على محاكاة الأجهزة الحقيقية.
3. توصيف نظام التشغيل: من خلال اختبار سبع استراتيجيات تطبيع ومختلف أنواع الكواشف، حدد المؤلفون نظام التشغيل المحدد الذي تتفوق فيه النماذج الكمومية بشكل حاسم على البدائل الكلاسيكية: $\ge$100 فوتون/قياس، معدل عد داخلي (DCR) < 10,000 هرتز، وكفاءة > 60%.

النتائج التجريبية

أُجريت التجارب على ثلاثة معايير مرجعية: Moving MNIST، وMoving CIFAR-10، ومجموعة بيانات Kvasir Endoscopy (فيديو الأشعة تحت الحمراء من العالم الحقيقي).

• الأداء مقابل النماذج المرجعية: يتفوق DynGhost بشكل كبير على الطرق الكلاسيكية (DGI، Pseudo-Inverse، FISTA) والنماذج المعاصرة للتعلم العميق (U-Net، CNN، وGhost-GPT الثابت).
  • في Moving MNIST، حقق DynGhost انخفاضاً بنسبة 45% في MSE وتحسناً بنسبة 16% في SSIM مقارنة بـ Ghost-GPT الثابت.
  • يعمل بسرعة 130 ضعفاً أسرع من الحلول التكرارية مثل FISTA.
• القوة الديناميكية: يحافظ النموذج على دقة هيكلية عالية (SSIM > 0.90) لسرعات الأجسام التي تصل إلى 10 بكسل/إطار. ويتدهور الأداء تدريجياً عند السرعات القصوى (50 بكسل/إطار) بسبب ضبابية الحركة داخل الإطار، وهو قصور فيزيائي وليس فشلاً خوارزمياً.
• القوة تجاه الضوضاء: يحافظ DynGhost على جودة إعادة بناء مقبولة (SSIM > 0.5) حتى عند نسبة إشارة إلى ضوضاء (SNR) تبلغ 15 ديسيبل، متفوقاً بشكل كبير على الحلول الكلاسيكية التي تفشل فشلاً كارثياً عند مستويات SNR المنخفضة.
• دراسات الاستئصال (Ablation Studies):
  • أدى إزالة كتل الانتباه الزمني إلى زيادة MSE بمعامل قدره 2.3، مما يؤكد أن التماسك الزمني هو المحرك الرئيسي للأداء.
  • الاعتماد فقط على خسارة MSE تسبب في انهيار شديد في SSIM (من 0.917 إلى 0.670)، مما يبرز ضرورة الخسائر الإدراكية والزمنية.
• تأثير التطبيع: تفوقت تحويلات استقرار التباين (Anscombe، Freeman–Tukey) بشكل كبير على التطبيع القياسي (Min-max، Z-score) على بيانات الفوتون الواحد، مما حسن SSIM من ~0.73 إلى ~0.84 في محاكاة SNSPD.

الأهمية والادعاءات

يزعم البحث أن DynGhost يوفر مخططاً قوياً ومبدئياً لنشر التصوير الشبحي عالي السرعة في البيئات الواقعية التي تعاني من نقص الفوتونات. تكمن أهميته في:

1. حل عقبة الديناميكية: من خلال معاملة التماسك الزمني كسابقة (prior) ضمنية لإعادة البناء، فإنه يجعل التصوير الشبحي الديناميكي قابلاً للحل دون الحاجة لاستبعاد الإطارات المتحركة.
2. جسر الفجوة الفيزيائية: يثبت أن تجاهل الطبيعة البواسونية لكواشف الفوتون الواحد يؤدي إلى أداء دون المستوى، وأن تحويلات استقرار التباين ضرورية لمواءمة نماذج التعلم العميق مع قيود الأجهزة الفيزيائية.
3. تحديد المتطلبات العتادية: يوضح العمل أن كفاءة الكاشف أقل أهمية من معدل العد الداكن (DCR) لجودة إعادة البناء، مما يوفر عتبات محددة للنشر الفعال.

القيود المعترف بها:
يشير المؤلفون إلى أن التقييم يعتمد بشكل كبير على مجموعات بيانات اصطناعية (Moving MNIST/CIFAR)، والتي قد لا تلتقط تماماً تعقيدات العالم الحقيقي. كما أن التوسع التربيعي للانتباه الزمني يحد من النموذج لعمل تسلسلات قصيرة ($T=8$)، كما أن التطبيع تمت معايرته لتدفق فوتونات ثابت، مما قد يؤدي إلى تراجع الأداء تحت الإضاءة المتغيرة. يظل التحقق على أجهزة فيزيائية في الوقت الفعلي خطوة مفتوحة.