光子随机系统中异构传感器推理的架构级事件导向前端

《Sensors》：Architecture-Level Event-Oriented Frontend for Heterogeneous Sensor Inference in Photonic Stochastic Systems

　　

异构传感器系统产生的测量值采用互不兼容的物理单位，这使其与光子随机处理器的直接集成变得复杂。本研究提出了一种架构级事件导向前端(frontend)，可将异构传感器通道转换为统一的事件导向概率，进而转换为与偏振编码光接口兼容的Bernoulli比特流。该框架结合了传感器到概率映射、加权事件级融合、随机比特流生成以及相关性与同步性的系统级控制。其性能通过可复现的基于Colab的建模进行研究，包括基线验证、加权策略比较、静态与时变去相关/同步研究以及鲁棒性/扩展性分析。验证框架还包括光子接口非理想性的一阶分析，以及使用文献中数字化520 nm光学烟雾透过率响应的半真实验证案例。结果表明，随机事件估计随着比特流长度的增加向浮点参考值收敛；在该基准中，可靠性感知加权优于等权加权和所测试的数据驱动加权；独立比特流生成提供了最佳的推理质量；同步失配在时变融合中变得可测量。该前端还在通道损坏下表现出优雅退化，并在混合信息性、弱、冗余、冲突和噪声通道配置下表现出良好的扩展性。这些发现表明，异构传感器可以通过共同的事件级表示与光子随机系统接口，并且加权、去相关、同步和鲁棒性必须被视为核心前端设计变量。

现代传感系统日益依赖环境、光学、电气、惯性及化学等异构数据源，其输出在物理单位、动态范围、采样率和不确定性方面差异显著。这类多样性虽可增强态势感知与决策质量，但直接联合处理十分困难，尤其当目标平台不是传统数字处理器而是随机或光子计算系统时。现有传感器融合研究通常针对固定任务与传感器组合优化，随机计算研究集中于概率表示与算术原语，光子计算研究聚焦光学硬件加速，尚缺乏一种可复用的架构级前端，将异构传感器通道转换为可被光子随机处理器消费的共同事件导向随机接口。为此，研究人员提出了架构级事件导向前端，将异构传感器通道经通道特定映射函数g_i(x_i)转换为归一化事件导向概率p_i∈[0,1]，再编码为与偏振兼容光接口适配的Bernoulli比特流S_i，并通过加权聚合与sigmoid决策完成多传感器融合以估计事件概率。通过可复现的Colab建模对该前端进行了系统验证。结果表明：随机事件估计随比特流长度增加向浮点参考收敛；可靠性感知加权在基准中优于等权和所测试的数据驱动加权；独立比特流生成推理质量最佳；同步失配在时变融合中可被量化；前端在通道退化下展现优雅降级，并在混合信息质量通道扩展下表现良好。该研究为异构传感器与未来光子随机处理器之间建立了统一事件级表示的实用桥梁，论文发表在《Sensors》。

本研究主要关键技术方法包括：①事件导向通道映射，按通道语义将直接/反向通道线性归一化为[0,1]概率；②浮点参考融合模型，以加权聚合与sigmoid决策产生确定性参考；③Bernoulli比特流随机编码；④权重策略比较，涵盖等权、专家、可靠性感知及基于逻辑回归的数据驱动加权；⑤相关性与同步控制，考查独立、共享、分组随机源策略及完美同步、固定延迟、随机抖动模式；⑥鲁棒性与扩展性分析，覆盖加性噪声、单通道丢失、缺失时隙与权重扰动，并考查3~16通道扩展。验证还使用了文献中数字化520 nm光学烟雾透过率曲线作为外部锚定通道。

结果如下：

6.1 事件导向前端的基线验证：通过五通道异构基准测试，原始通道统计分布差异显著，映射后均落入统一概率空间。MAE从N=16时的0.036966降至N=256时的0.008969，再降至N=1024时的0.004697，证实随机推理可受控逼近浮点多传感器融合。

6.2 权重分配作为设计变量：比较四种加权策略发现，N=256时等权MAE为0.071738，专家加权为0.056903，可靠性感知加权最优（MAE=0.053950，阈值一致性0.844667），所测试的数据驱动加权为0.070957；噪声扰动下可靠性感知加权同样最稳定。

6.3 相关性与同步效应：静态融合中独立策略MAE=0.009094，优于分组（0.010764）与共享随机（0.015462）。时变槽位融合中，完全同步独立流MAE=0.020144，固定滞后8槽上升至0.023654，峰值对齐误差随失配增大而恶化，表明同步是时变事件跟踪的一阶因素。

6.4 通道退化与权重失配下的鲁棒性：前端在各类扰动下呈渐进而非灾难性退化。烟雾光学通道最关键，其替换使MAE升至0.021550、阈值一致性降至0.926582；加性噪声不总是增大MAE，但降低阈值一致性并增大峰值对齐误差，凸显多指标联合评估的必要性。

6.5 通道数增加下的扩展行为：3通道MAE为0.025091；扩展至5、8、12、16通道时MAE分别降至0.020144、0.018249、0.016544、0.015707，16通道阈值一致性达0.989258，表明混合信息质量通道扩展下前端可获益。

6.6 光子接口鲁棒性与文献锚定验证：一阶非理想性分析显示泄漏等扰动首先降低软域H/V态分离并增大软域事件误差，硬比特错误仅出现于较强联合退化；基于数字化520 nm透过率数据的半真实验证中，N=256时MAE=0.008003，阈值一致性0.973422。

6.7 主要发现总结：所有阶段结果共同表明，前端是一个由事件映射、随机精度、加权、去相关、同步、鲁棒性与扩展性共同支配的结构化多传感器架构。

讨论指出，事件级统一足以实现有意义的传感器接口；加权、去相关和同步应视为前端固有设计变量而非次要实现细节；鲁棒性分析可用于识别关键通道并指导标定、冗余与保护策略；平均幅度指标单独使用会掩盖阈值与时间定位劣化，须结合MAE、RMSE、阈值一致性与峰值对齐误差联合评估；扩展收益取决于有效信息结构与噪声/冲突通道的比例。研究结论为：异构传感器可通过共同事件级随机表示与光子随机处理器耦合，该前端建立了实用的传感器到随机接口，其中加权、去相关、同步、鲁棒性与扩展性被确立为一阶系统设计变量。