TokEye: Fast Signal Extraction for Fluctuating Time Series via Offline Self-Supervised Learning From Fusion Diagnostics to Bioacoustics

El artículo presenta TokEye, un marco de aprendizaje auto-supervisado offline que permite la extracción rápida y automatizada de modos coherentes y transitorios en series temporales fluctuantes de datos de fusión y bioacústica, logrando una latencia de inferencia de 0,5 segundos para el control en tiempo real de plasmas.

Lo esencial

Imagina que el interior de un reactor de fusión nuclear (como un tokamak) es como una orquesta gigante y caótica tocando música todo el tiempo. Algunos instrumentos tocan notas claras y estables (como un violín), otros hacen ruidos repentinos y fuertes (como un tambor que se golpea), y hay un ruido de fondo constante, como el zumbido de la multitud o el viento (ruido estocástico).

El problema es que los científicos tienen que escuchar esta "orquesta" para saber si la música es segura o si va a estallar el reactor. Pero hay un millón de instrumentos tocando a la vez, y el ruido de fondo es tan fuerte que es imposible distinguir las notas importantes a oído.

Aquí es donde entra TokEye, la herramienta que presenta este paper.

¿Qué es TokEye?

TokEye es como un asistente de inteligencia artificial superpoderoso que puede escuchar esa orquesta caótica, separar los instrumentos uno por uno y decirte exactamente qué está tocando cada uno, incluso si están muy lejos o si hay mucho ruido.

Su nombre viene de "Tokamak" (el reactor) y "Eye" (ojo), porque tiene un "ojo" digital que ve el sonido de una manera que los humanos no pueden.

¿Cómo funciona? (La analogía del chef y el ruido)

El proceso que describen en el paper se puede explicar en cuatro pasos sencillos:

1. La "Taxonomía" (El menú de la orquesta)
Primero, los científicos se dieron cuenta de que no podían tratar todo el sonido igual. Dividieron el ruido en categorías:

• Modos Coherentes: Son las notas claras y estables (como un violín sosteniendo una nota). Son importantes para la estabilidad.
• Eventos Transitorios: Son golpes repentinos (como un platillo que se golpea). Son breves pero críticos.
• Ruido de Fondo: Es el zumbido constante (como el tráfico fuera de la sala).
  TokEye aprende a distinguir estas categorías sin que un humano tenga que decirle cuál es cuál.

2. Limpiar el "fondo" (Quitar el ruido de la calle)
Imagina que tienes una grabación de un concierto, pero se escucha mucho tráfico afuera.

• El truco: TokEye usa una técnica matemática para "dibujar" el ruido de fondo (el tráfico) y restárselo a la grabación. Es como si pusieras un filtro que elimina el zumbido constante, dejando la música "blanca" y limpia. Ahora, las notas importantes saltan a la vista.

3. El "Detective de Ruido" (La red neuronal)
Aquí es donde la IA hace magia. TokEye tiene muchos "micrófonos" (sensores) apuntando al reactor al mismo tiempo.

• La analogía: Imagina que tienes 10 amigos escuchando la misma canción en una habitación ruidosa. Si un amigo escucha un ruido raro, pero los otros 9 no, probablemente sea solo un error de ese amigo. Pero si los 10 escuchan la misma nota, ¡es real!
• TokEye usa una red neuronal (un tipo de cerebro digital) que mira todos los sensores a la vez. Si un sensor tiene ruido, la IA lo ignora porque los otros sensores no lo tienen. Si todos coinciden, la IA refuerza esa señal. Esto le permite encontrar señales muy débiles que antes se perdían en el ruido.

4. El "Ojo rápido" (Detección automática)
Una vez que la señal está limpia, TokEye busca los patrones importantes.

• En lugar de que un científico pase horas mirando gráficos de colores (espectrogramas) buscando una línea específica, TokEye lo hace en medio segundo.
• Es como tener un buscador de imágenes que, en lugar de buscar "gatos", busca "inestabilidades en el plasma" y te marca exactamente dónde están.

¿Por qué es tan importante?

1. Velocidad: Los reactores modernos como ITER generarán una cantidad de datos tan enorme (petabytes) que sería imposible para humanos analizarlos. TokEye puede analizar un experimento completo en menos de un segundo.
2. Precisión: Puede encontrar señales muy débiles que los métodos antiguos ignoraban. Por ejemplo, en sus pruebas, pudo ver cómo ciertas ondas magnéticas desaparecían cuando se suprimía una inestabilidad, algo que antes era difícil de ver claramente.
3. Generalidad: Lo más impresionante es que no necesita ser reentrenado para funcionar en diferentes reactores o incluso en otros campos.
   • Lo probaron en el reactor DIII-D (EE. UU.) y funcionó.
   • Lo probaron en el reactor TJ-II (España) y funcionó.
   • ¡Lo probaron en grabaciones de delfines y camarones (bioacústica) y también funcionó!
   • Analogía: Es como si un traductor que aprendió a hablar español pudiera entender perfectamente el italiano y el portugués sin estudiarlos antes, porque entiende la estructura del lenguaje.

En resumen

TokEye es un sistema de limpieza y detección automática que toma el sonido caótico de un reactor nuclear, elimina el ruido de fondo, usa la inteligencia de múltiples sensores para encontrar las señales reales y las presenta en una lista ordenada en fracciones de segundo.

Esto permite a los científicos centrarse en la física y la seguridad del reactor, en lugar de perder días limpiando datos manualmente. Es como pasar de buscar una aguja en un pajar a tener un imán que la atrae y te la entrega en la mano.

Resumen técnico

Resumen Técnico: TokEye

1. El Problema

Las instalaciones de fusión de próxima generación, como ITER, enfrentan una "deluge de datos" (inundación de datos), generando petabytes de señales multi-diagnósticas diariamente. El análisis manual de estas señales es inviable debido a:

• Ruido y Complejidad: Las mediciones del plasma están saturadas de ruido estocástico, transitorios superpuestos y eventos de ráfaga que oscurecen modos coherentes importantes (como inestabilidades MHD o modos de Alfvén).
• Limitaciones de los Métodos Actuales: Los métodos basados en umbrales simples fallan ante señales débiles. Los enfoques basados en filtros diseñados manualmente para diagnósticos específicos no escalan y requieren un etiquetado manual intensivo, lo cual es un cuello de botella para el entrenamiento de modelos de Inteligencia Artificial (IA).
• Falta de Generalización: Los métodos existentes suelen estar limitados a sensores específicos o a señales estacionarias con poco ruido blanco, fallando al generalizar a nuevos escenarios de plasma o tipos de sensores.

El objetivo es desarrollar un marco de trabajo automatizado, rápido y agnóstico al sensor para extraer modos coherentes, cuasi-coherentes y transitorios de datos de series temporales de alta frecuencia y alto ruido.

2. Metodología

El equipo propone un marco "signals-first" (prioridad a la señal) basado en aprendizaje auto-supervisado. El proceso se divide en varias etapas clave:

• Taxonomía de Señales: Se define una clasificación formal de las señales de fusión en cinco categorías:

  1. Coherentes: Modos con frecuencias bien definidas (ej. modos de tearing, modos de Alfvén).
  2. Cuasi-coherentes: Estructuras resonantes con incertidumbre añadida.
  3. Transitorias: Eventos instantáneos de banda ancha (ej. ELMs).
  4. Banda Ancha (Broad): Turbulencia no estacionaria y deriva.
  5. Estocásticas: Ruido (térmico, electrónico).

• Transformación y Pre-procesamiento:

  • Uso de la Transformada de Fourier de Tiempo Corto (STFT) para generar espectrogramas (0-250 kHz).
  • Resampling a 500 kHz y uso de ventanas Hann para equilibrar resolución tiempo-frecuencia.

• Separación de Observaciones de Banda Ancha (Baseline Removal):

  • Se utiliza una técnica de eliminación de línea base robusta (inspirada en la separación de percusión/armónicos en música y ERSP en EEG).
  • Se modela el fondo de ruido como una "línea base" $V(t,f)$ y se resta de la señal original, "blanqueando" la señal para aislar los modos coherentes y transitorios sin perder información de baja frecuencia crítica.

• Denoising Auto-Supervisado Multicanal:

  • En lugar de filtros lineales (que promedian y borran señales transitorias) o métodos de descomposición costosos, se emplea una Red Neuronal U-Net.
  • Enfoque: Se entrena la red para predecir un canal objetivo utilizando la información de todos los demás canales de entrada (multicanal).
  • Mecanismo: Aprovecha la correlación cruzada no lineal. La red aprende a reconstruir la señal coherente compartida entre canales mientras ignora el ruido estocástico independiente (ruido blanco), actuando como un filtro óptimo no lineal.

• Umbralización y Refinamiento:

  • Detección de Puntos de Rodilla (Knee Point): En lugar de umbralización global fija, se utiliza el punto de rodilla de la Función de Distribución Acumulada (CDF) de la intensidad del espectrograma para detectar anomalías (señales) en un fondo denso.
  • Refinamiento: Se utiliza una segunda U-Net para corregir falsos negativos y expandir las etiquetas, entrenada con aumentación de datos (volteos, deformaciones elásticas).

• Modelo Sustituto (Surrogate Model):

  • Finalmente, se entrena un modelo U-Net sustituto sobre los datos procesados y etiquetados automáticamente. Este modelo actúa como un "proxy" rápido para la extracción en tiempo real, capaz de identificar eventos sin necesidad de intervención humana.

3. Contribuciones Clave

1. Marco Auto-Supervisado Unificado: Un pipeline que no requiere etiquetas manuales iniciales, capaz de generar bases de datos etiquetadas de alta calidad a partir de datos crudos.
2. Técnica de Denoising Multicanal No Lineal: Extensión de la correlación cruzada clásica mediante redes neuronales profundas, superando las limitaciones de los filtros lineales y los métodos de descomposición modal computacionalmente costosos.
3. Generalización Transversal: El método funciona eficazmente en múltiples tipos de sensores (magnéticos, interferómetros CO2, emisión de ciclotrón de electrones ECE, espectroscopía de emisión de haz BES) y en diferentes dispositivos de fusión.
4. Baja Latencia: El modelo inferido permite una identificación de modos en tiempo real (latencia de ~0.5 segundos por disparo en GPU).

4. Resultados

El sistema fue probado en datos de DIII-D, TJ-II y conjuntos de datos no de fusión (Bioacústica):

• DIII-D (Fusión):

  • Extracción exitosa de modos de Alfvén y estructuras de chirp en datos de ECE, CO2 y magnéticos.
  • Capacidad para distinguir entre disparos con inestabilidades de tearing y aquellos suprimidos por ECCD, revelando patrones de modos de alta frecuencia que los métodos manuales podrían pasar por alto.
  • Generación de una base de datos de ~40,000 fragmentos de espectrograma etiquetados automáticamente.

• TJ-II (Estelarator):

  • El modelo, entrenado en DIII-D, logró un recall de 0.825 en datos de TJ-II sin reentrenamiento, demostrando una fuerte capacidad de generalización a diferentes dispositivos y características de ruido.

• Bioacústica (DCLDE 2011):

  • Se probó en la detección de llamadas de delfines en presencia de ruido de camarones (ruido de banda ancha).
  • Se obtuvo un recall de 0.7708 para Delphinus capensis y 0.7953 para Delphinus delphis en una tarea zero-shot (sin entrenamiento específico en este dominio), validando la universalidad del enfoque.

• Rendimiento Computacional:

  • Generación de base de datos: ~5 horas (GPU A100 + CPU).
  • Entrenamiento del modelo sustituto: ~12 horas.
  • Inferencia: 0.5 segundos por disparo en GPU (adecuado para monitoreo de plasma activo) y 5-10 segundos en CPU.

5. Significado e Impacto

• Automatización de la Física de Fusión: TokEye elimina el cuello de botella del etiquetado manual, permitiendo la creación de bases de datos masivas necesarias para entrenar modelos de IA más avanzados para el control de plasmas.
• Control en Tiempo Real: La baja latencia de inferencia habilita la identificación de modos inestables en tiempo real, un requisito crítico para la operación segura de reactores como ITER y SPARC.
• Versatilidad Científica: La capacidad del modelo para funcionar desde diagnósticos de fusión hasta bioacústica demuestra que la metodología de extracción de señales basada en aprendizaje auto-supervisado y denoising multicanal es una herramienta generalizable para cualquier serie temporal fluctuante ruidosa.
• Escalabilidad: El enfoque prepara el camino para la gestión de la "deluge de datos" de las futuras instalaciones de fusión, donde el análisis manual es imposible.

En conclusión, TokEye representa un avance significativo hacia la automatización inteligente en la física de plasmas, combinando técnicas de procesamiento de señales avanzadas con arquitecturas de redes neuronales modernas para extraer información física crítica de entornos extremadamente ruidosos.