Koch Laboratory

Kompresja strukturalna: kodowanie relacji zamiast wartości

Linia badawcza kompresji prowadzona od 2021, negatywy publikowane w pierwszej kolejności: zmierzona ekspansja +56 % na danych wysokoentropijnych, porzucony wariant zdegenerowany i granica entropii jako wynik zakresowy.

Koch Laboratory — kompresja strukturalna: kodowanie relacji zamiast wartości

Ten kierunek pyta, ile ściśliwości pozostaje w danych, gdy zamiast statystyki wartości koduje się ich strukturę: relacje między sąsiednimi bitami oraz powtarzalność małych wzorców przestrzennych. Klasyczna kompresja (rodzina LZ, kodowanie entropijne — Huffman, ANS) modeluje rozkład symboli; ten program sprawdza, czy reprezentacja relacyjna — strumień jako warstwy zależności, plik jako obraz binarny deduplikowany słownikiem wzorców — stanowi użyteczną, komplementarną oś. Granica jest znana z teorii informacji i traktowana jako warunek brzegowy, nie jako przeszkoda do „obejścia”: danych bliskich losowym nie da się bezstratnie skompresować, więc każda korzyść może pochodzić wyłącznie ze struktury, którą realne korpusy (dokumenty, skany, dane telemetryczne) faktycznie posiadają.

To trzecia iteracja wieloletniej linii badawczej: analiza częstości i słowniki nad zakodowanym strumieniem (2021), słowniki wzorców bitowych (2024), kodowanie zależnościowe i deduplikacja kafli z whitepaperem datowanym 23.04.2025 (2025). Każda iteracja jest udokumentowana i każda zawiera zapis tego, dlaczego poprzednia nie wystarczyła.

Metodyka. Jak w reszcie laboratorium: problem → hipoteza → falsyfikowalne kryterium → metoda → wynik z warunkami brzegowymi. W tym programie wyniki negatywne są dotąd głównym produktem — i są publikowane jako takie.

1. Kierunek 1 — kodowanie zależnościowe (relacje między sąsiednimi bitami)

Pytanie badawcze. Czy odwracalna reprezentacja strumienia jako warstw relacji między sąsiadującymi bitami — zamiast samych wartości — daje po dołożeniu klasycznego kodera końcowego (RLE / entropijnego) wynik mniejszy od wejścia na korpusach strukturalnych? Dlaczego to trudne. Odwracalna transformacja sama w sobie nie usuwa ani jednego bitu entropii; zysk może pochodzić wyłącznie z tego, że reprezentacja relacyjna jest łatwiejsza do ściśnięcia dla kodera końcowego niż oryginał. Czy tak jest — rozstrzyga wyłącznie pomiar, nie argument. Stan techniki (publikowany). Kodowanie delta/predykcyjne, RLE, DEFLATE, nowoczesne kodery entropijne (ANS) — traktowane jako punkt odniesienia i jako komponenty, nie jako konkurencja do zastąpienia. Kryterium sukcesu (dwuczęściowe). (a) Twarde, spełnione: pełna odwracalność potwierdzana kryptograficzną sumą kontrolną przy każdym odkodowaniu. (b) Otwarte, niespełnione: zmierzone ratio na zdefiniowanych korpusach względem gzip/zstd — program pomiarowy nie został jeszcze uruchomiony; do tego czasu żadna korzyść kompresyjna nie jest deklarowana. Konstrukcja (reguła zależności, budowa warstw, format kontenera): wstrzymana (otwarta opcja patentowa). Status: POC zaimplementowany (odwracalność zweryfikowana); korzyść — niewykazana; najbliższy krok: benchmark.

2. Kierunek 2 — deduplikacja strukturalna obrazu binarnego (kodek PGA)

Pytanie badawcze. Czy powtarzalność małych wzorców przestrzennych w binarnej (1 bit/piksel) rasteryzacji pliku da się zdyskontować słownikiem wzorców tak, aby suma: słownik + mapa odwołań + warstwa resztkowa była mniejsza od wejścia — przy rekonstrukcji co do bitu? Dlaczego to trudne. To podejście z rodziny słownikowej (block matching, kwantyzacja wektorowa), świadomie inna oś niż stratne kodowanie transformacyjne (JPEG/DCT): nie ma tu żadnej kwantyzacji percepcyjnej, kryterium jest bitowe i weryfikowane skrótem. Koszt słownika i mapy jest realny; na danych bez powtarzalności przestrzennej deduplikacja nie ma czego znaleźć i narzut przeważa. Stan techniki (publikowany). Metody słownikowe i dopasowanie bloków; deduplikacja treści przez skróty; kodowanie resztkowe. Świadome rozgraniczenie od JPEG/DCT na poziomie problemu (bezstratność bit-w-bit vs percepcja). Kryterium sukcesu. Rekonstrukcja co do bitu (spełnione, weryfikacja skrótem) oraz dodatni bilans rozmiaru z narzutem słownika na korpusie strukturalnym (niespełnione na danych wysokoentropijnych — patrz wynik negatywny niżej). Konstrukcja (rozmiar i indeksowanie kafli, tolerancja dopasowania, warstwa resztkowa, format kontenera): wstrzymana. Status: POC zaimplementowany / w walidacji.

3. Wynik negatywny (publikowany): granica entropii jest twarda — i zmierzona

4. Systematyczność: linia ewolucji 2021 → 2024 → 2025

Trzy podejścia do tego samego pytania, każde z udokumentowanym powodem przejścia do następnego: analiza częstości i słowniki nad zakodowanym strumieniem (2021, eksploracja porzucona), słowniki wzorców bitowych z agregacją powtórzeń (2024, ekspansja na danych wysokoentropijnych), kodowanie zależnościowe + deduplikacja kafli (2025, whitepaper + prototypy + zmierzony negatyw). Wspólny, powtarzający się motyw — zysk na danych powtarzalnych, ekspansja na losowych — jest właśnie tym, co przesunęło program z „lepszego kompresora ogólnego” na kompresję strukturalną wyspecjalizowanych korpusów. Status programu: aktywny, na poziomie prac projektowych / POC; następny etap to zdefiniowany benchmark z jawnym korpusem i punktami odniesienia.