Resumen Técnico: Inferencia Conforme Localmente Adaptativa para Modelos de Operadores

Planteamiento del Problema

Los modelos de operadores son algoritmos de regresión que mapean entre espacios de Banach de funciones ($\Gamma: \mathcal{F} \to \mathcal{G}$), ampliamente utilizados en el pronóstico espaciotemporal, la emulación de la física y la aproximación de EDP (ecuaciones diferenciales parciales). Un desafío crítico en estas aplicaciones es la Cuantificación de la Incertidumbre (UQ). A diferencia de la regresión escalar, los modelos de operadores requieren conjuntos de predicción con valores de función en lugar de intervalos escalares.

La Predicción Conforme (CP) estándar se basa en el supuesto de intercambiabilidad global de los datos. Sin embargo, este supuesto se ve frecuentemente violado en datos funcionales del mundo real (por ejemplo, clima, demanda de energía, demanda meteorológica) debido a la no estacionariedad, la deriva estacional y las estructuras de entrada variables. Aunque los métodos de CP adaptativos existentes abordan la no estacionariedad mediante el ponderado de puntuaciones de conformidad o la modificación de cuantiles, típicamente asumen una geometría de puntuación global (por ejemplo, normas de residuos). Este enfoque falla para los residuos funcionales donde la incertidumbre es anisótropa y estructurada; las puntuaciones basadas en normas producen regiones de predicción esféricas que no se alinean con la forma real de la variabilidad de los residuos.

Metodología: Inferencia Conforme Segmentada Local (LSCI)

Los autores proponen la Inferencia Conforme Segmentada Local (LSCI), un marco libre de distribución que genera conjuntos de predicción con valores de función, localmente adaptativos. A diferencia de los métodos anteriores que localizan el cuantil, LSCI localiza la propia distribución de la puntuación de conformidad.

Componentes Principales

1. Marco de Intercambiabilidad Local:
   El método asume que el proceso de residuos es localmente intercambiable (Campbell et al., 2019). Esto implica que, si bien las distribuciones globales pueden derivar, los residuos asociados con entradas similares (en un pre-espacio métrico) comparten distribuciones aproximadamente intercambiables.

2. Puntuaciones de Profundidad $\Phi$:
   En lugar de utilizar normas escalares, LSCI emplea la profundidad de datos funcionales para medir la centralidad de un residuo. Específicamente, utiliza profundidades $\Phi$ (Mosler & Polyakova, 2012), que son profundidades basadas en proyecciones.

   • Un residuo $r$ se proyecta sobre una familia de funcionales lineales $\Phi$ (por ejemplo, segmentos gaussianos aleatorios).
   • La profundidad se define como el ínfimo de las profundidades univariadas (por ejemplo, la profundidad de semiespacio de Tukey) a través de estas proyecciones:
     $$D_\Phi(r | P) = \inf_{\phi \in \Phi} D(\phi(r) | \phi(P))$$
   • Esto permite que la puntuación se adapte a la forma anisótropa de la nube de residuos local, en lugar de forzar una geometría isotrópica (esférica).

3. Construcción de la Puntuación Local:
   Para una entrada de prueba $f_{n+1}$, LSCI construye una distribución de residuos empírica específica para la prueba utilizando pesos de similitud.

   • Localización por Knockoff: Para mantener las garantías de muestra finita, los pesos se calculan basándose en la distancia entre las entradas de calibración y un knockoff estadístico de la entrada de prueba ($\tilde{f}_{n+1} = f_{n+1} + \epsilon$), en lugar de la entrada de prueba misma.
   • Mapas de Características: La localización puede ocurrir en el espacio de entrada bruto o en un espacio de características aprendido o transformado (por ejemplo, FPCA, modos de Fourier) para capturar la similitud semántica.
   • Normalización de Varianza de Segmento: Para manejar la heterocedasticidad, los segmentos proyectados se reescalan utilizando pesos específicos de la prueba antes del cálculo de la profundidad.

4. Formación del Conjunto de Predicción:

   • El método calcula puntuaciones de conformidad locales para los residuos de calibración.
   • Se determina un umbral mediante el estadístico de orden $k$ de estas puntuaciones locales (donde $k = \lfloor \alpha(n+1) \rfloor$).
   • El conjunto de predicción se define como el conjunto de funciones cuyos residuos caen dentro de la región central correspondiente de la distribución de profundidad local:
     $$C_\alpha(f_{n+1}) = \{ \hat{\Gamma}(f_{n+1}) + r : D_\Phi(r | \hat{P}_{n+1}) \geq q_\alpha(f_{n+1}) \}$$

5. Muestreo:
   Dado que el conjunto de predicción es un subconjunto implícito del espacio de funciones, los autores emplean un algoritmo de muestreo (Algoritmo 1) utilizando una base de Análisis de Componentes Principales Funcionales (FPCA) adaptada localmente. Se toman muestras mediante el muestreo de la transformada inversa sobre coordenadas proyectadas ponderadas y se rechazan si caen fuera del umbral de profundidad.

Garantías Teóricas

El artículo establece la validez de muestra finita bajo intercambiabilidad local.

• Límite de Cobertura: Los autores derivan un límite superior dependiente de los datos para la brecha de cobertura. La brecha se controla mediante la distancia de variación total entre la distribución conjunta de los residuos y sus permutaciones, la cual está acotada por la distancia pre-métrica de las entradas (Proposición 3.1).
• Validez: Bajo intercambiabilidad completa, el método logra una cobertura marginal exacta. Bajo intercambiabilidad local, la cobertura permanece cerca del nivel nominal $1-\alpha$, siempre que el proceso de residuos varíe suavemente con respecto a la pre-métrica de la entrada.

Resultados Experimentales

Los autores evaluaron LSCI en tareas de Procesos Gaussianos sintéticos y en tres aplicaciones del mundo real: monitoreo de la calidad del aire (PM2.5), pronóstico de la demanda de energía y predicción del clima (temperatura ERA5).

• Tareas Sintéticas: LSCI logró una cobertura cercana a la nominal a través de varios núcleos de localización, mapas de características y anchos de banda. Demostró robustez ante la elección de hiperparámetros.
• Comparación con Baselines: Comparado con los baselines de conformal estándar (Conf), bandas integradas conformalizadas (Supr) y modelos de operadores profundos (PONet, QONet, UQNO), LSCI produjo consistentemente conjuntos de predicción más ajustados (menores Interval Scores y Band Widths) manteniendo una cobertura válida.
  • En entornos heterocedásticos, LSCI se adaptó a las estructuras de varianza local, mientras que los métodos globales fueron o bien demasiado conservadores (sobre-cobertura) o insuficientes (sub-cobertura).
• Aplicaciones del Mundo Real:
  • Clima-ERA5: LSCI capturó estructuras de error estacionales y regionales que los umbrales globales promediaban, resultando en intervalos significativamente menores en comparación con los métodos no adaptativos.
  • Robustez: LSCI mostró resiliencia contra predicciones sesgadas y regímenes de ruido fuera de la distribución (OOD) específicos donde los métodos base fallaron o requirieron una expansión excesiva de los intervalos.
• Adaptatividad Espacial: Las visualizaciones confirmaron que las bandas de LSCI se deforman para coincidir con la anisotropía y la estacionalidad de los residuos locales, proporcionando una incertidumbre con valores de función que se alinea con las realidades físicas.

Significado y Reivindicaciones

El artículo afirma que LSCI representa un avance significativo para el aprendizaje de operadores al:

1. Cerrar la Brecha: Aplica con éxito la inferencia conforme a datos funcionales donde las puntuaciones basadas en normas estándar fallan debido a la anisotropía.
2. Localizar al Nivel de la Puntuación: Al localizar la distribución de la puntuación en lugar de solo el cuantil, LSCI modela la geometría de la incertidumbre de manera más precisa que los métodos de CP adaptativos existentes.
3. Garantías Libres de Distribución: Mantiene las rigurosas garantías de muestra finita y libres de distribución de la inferencia conforme, incluso en entornos no estacionarios, siempre que se cumpla la intercambiabilidad local.
4. Utilidad Práctica: El método proporciona a los profesionales conjuntos de predicción con valores de función que permiten la evaluación de la fiabilidad global y la identificación de regiones con incertidumbre concentrada, lo cual es crítico para aplicaciones científicas y de ingeniería de alto riesgo.

Limitaciones

Los autores reconocen varias limitaciones:

• Sobrecarga Computacional: La localización y el muestreo en tiempo de prueba (especialmente para campos de alta resolución) introducen costos computacionales, aunque el procesamiento por lotes (batching) y la evaluación en GPU pueden mitigarlo.
• Conjuntos Implícitos: El conjunto de predicción se define implícitamente a través de la profundidad; la aplicación práctica depende del muestreo de Monte Carlo. Aunque es estable en los experimentos, los campos complejos o de alta resolución pueden requerir mecanismos de muestreo mejorados para evitar artefactos (por ejemplo, muestras excesivamente concentradas).
• Supuesto de Suavidad: El método asume cambios suaves en la distribución condicional. Los cambios abruptos o puntos de cambio pueden ser suavizados excesivamente por los núcleos locales, lo que podría resultar en una baja adaptatividad en esas regiones específicas.