SCM 质量值建模

fq-compressor 将质量值视为独立信号流，并使用 Statistical Context Mixing（SCM）进行压缩。 它的目标不是把质量值硬塞进序列压缩逻辑，而是保留 Phred 分数自身的统计结构。

在 fq-compressor 中的角色

质量字符串与 read ID、碱基序列分开编码。 在无损模式下，压缩器使用自适应算术编码来建模每个质量符号；在允许降低保真度的流程中，也可以先映射到 Illumina 8-bin 方案。 这种拆分使序列压缩和质量压缩可以独立调节，而无需改变归档容器结构。

核心机制

1. 符号空间： 先把 ASCII 质量字符转换为 94 个符号的 Phred 值空间。
2. 上下文选择： 当前模型由前一到前二个质量值，以及 read 内位置分桶共同决定；默认实现使用二阶上下文与 16 个位置桶。
3. 自适应编码： 算术编码逐符号输出，同时在线更新对应模型，因此重复出现的局部转移会越来越便宜。
4. 容器阶段： 算术编码后的字节流再经过一层 Zstd，去除剩余的字节级冗余。

对压缩与访问的影响

SCM 有效，是因为 FASTQ 质量值并不是彼此独立的随机符号。 read 前后位置常出现稳定模式，高分或低分之后的转移也会重复出现。 上下文模型把这些规律转成更短的编码，同时在无损模式下保持精确还原。

当前边界

当前公开且已实现的模型主要使用“前序质量值 + 位置”上下文，并在需要时支持 Illumina 8-bin 量化。 头部结构还为其他质量模式预留了空间，但白皮书层面应把自适应 SCM 路径与 Illumina 风格分桶视为当前可证实行为。