arXiv cs.AI· Md Khairul Islam, Zeyu Xia, Adam S. Bolton, Judy Fox·· 11 小时前AI 评分31
OmniSpectra：面向通用光谱表征学习的统一基础模型
OmniSpectra: A Unified Foundation Model for Universal Spectra Representation Learning
AI 导读
OmniSpectra 是一个波长原生（wavelength-native）的光谱表征学习基础模型，用连续坐标掩码自编码器替代序列模型的整数像素索引，解决跨仪器光谱学习中的坐标错配问题。
正文 · AI 翻译
摘要：标准序列模型按 token 排名而非物理坐标来编码位置，这通常迫使从业者对在异构仪器上观测到的光谱等连续物理信号进行破坏性重采样。我们将这种坐标不匹配认定为跨仪器表征学习中的结构性局限，并提出 OmniSpectra——一个面向光谱表征学习的波长原生基础模型：一种连续坐标掩码自编码器，摒弃了序列建模的整数像素索引。将物理坐标映射到对数基，可把宇宙学红移引起的乘性缩放转化为均匀的加性平移。在连续旋转位置嵌入中，这一共享平移会从相对 token 距离中抵消，而不会产生依赖网格的位置畸变。我们进一步用一种基于物理、分辨率门控的傅里叶解码器来对抗隐式神经解码器固有的频谱偏置，该解码器可提供抗混叠。在八个巡天数据集上预训练并与七个基线对比，我们的模型仅用 12.2M 参数即达到最先进性能，同时优于规模大得多的模型，这表明编码物理结构可以替代参数规模。
| 学科： | 天体物理学仪器与方法（astro-ph.IM）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.15351 [astro-ph.IM] |
| （或本版本的 arXiv:2601.15351v2 [astro-ph.IM]） | |
| https://doi.org/10.48550/arXiv.2601.15351 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Md Khairul Islam [查看邮箱]
[v1]
2026年1月21日 星期三 04:39:32 UTC（1,099 KB）
[v2]
2026年10月23日 星期五 00:55:35 UTC（2,668 KB）
来源：arXiv cs.AI · arxiv.org