🤖 machine learning

SPLICE: Latent Diffusion over JEPA Embeddings for Conformal Time-Series Inpainting

SPLICE es un marco modular que combina la difusión latente sobre incrustaciones JEPA con Inferencia Conformal Adaptativa para lograr una precisión de imputación de series temporales de vanguardia y garantías de fiabilidad libres de distribución y de muestra finita para aplicaciones críticas de sistemas de potencia.

Autores originales: Arnaud Zinflou

Publicado 2026-05-04

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arnaud Zinflou

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando escuchar una canción favorita, pero falta un trozo de la grabación. Quizás la cinta se masticó o el Wi-Fi se cortó durante unos días. Necesitas rellenar esa parte faltante para que la canción suene sin interrupciones, pero también necesitas saber: ¿Qué tan seguros estamos de que lo que rellenamos es realmente lo que estaba allí?

Este artículo presenta SPLICE, una nueva herramienta diseñada para reparar trozos faltantes de datos eléctricos (como las notas faltantes de una canción) y, al mismo tiempo, proporcionar una "puntuación de confianza" para la reparación. Así es como funciona, desglosado en partes simples:

1. El problema: El "ruido" en los datos

Las redes eléctricas necesitan saber exactamente cuánta electricidad se consume cada hora para mantener las luces encendidas. Pero a veces, los sensores se rompen, los cables se cortan o los ordenadores se bloquean, dejando grandes huecos en los datos (¡a veces faltando durante 91 días seguidos!).

Los métodos antiguos intentaban rellenar estos huecos simplemente dibujando una línea suave entre los puntos "antes" y "después". Es como adivinar las letras faltantes de una canción tarareando la melodía entre las palabras conocidas. Parece aceptable, pero pierde el ritmo complejo y los detalles necesarios para operar una red eléctrica de forma segura.

Los métodos de IA más nuevos pueden adivinar mejor los detalles faltantes, pero son como un artista seguro de sí mismo que adivina las letras perfectamente pero se niega a admitir: "Podría estar equivocado". En una red eléctrica, equivocarse sin saberlo puede ser peligroso.

2. La solución: SPLICE (El arquitecto "soñador")

Los autores construyeron un sistema llamado SPLICE que actúa como un arquitecto altamente capacitado que no solo adivina; "imagina" cómo debería verse el edificio faltante basándose en el vecindario circundante.

Este es el proceso paso a paso:

Paso 1: El traductor (Codificador JEPA)
Imagina que los datos eléctricos son un lenguaje complejo. La primera parte de SPLICE es un traductor que toma un día completo de uso eléctrico y lo comprime en una pequeña "nota resumen" de 64 números. Aprende el ambiente del día (¿es un martes caluroso de verano? ¿un fin de semana tranquilo de invierno?) sin perderse en cada detalle individual. Esto se basa en un concepto llamado JEPA (Arquitectura de Incrustación Conjunta Predictiva), que es como enseñar a un ordenador a entender la "historia" de los datos en lugar de simplemente memorizar los números.
Paso 2: El constructor de puentes (Puente Latente Condicional)
Una vez que el sistema tiene las "notas resumen" para los días anteriores y posteriores al hueco, necesita construir un puente a través de los días faltantes.
- El Puente Determinista: Esta es la "apuesta segura". Construye la ruta más probable a través del hueco, como dibujar la línea más recta entre dos puntos.
- El Puente Creativo (Flow Matching): Esta es la parte "soñadora". En lugar de dibujar solo una línea, genera muchas rutas posibles que el uso eléctrico podría haber tomado. Es como imaginar diez versiones diferentes de las letras faltantes de la canción. El artículo encontró una forma nueva y más rápida de hacer esto (llamada Flow Matching) que es de 5 a 10 veces más rápida que los métodos antiguos pero igual de precisa.
Paso 3: El traductor de vuelta (Decodificador)
El sistema toma esas "notas resumen" y el "puente" que construyó y los traduce de nuevo a números reales de electricidad por hora. Crucialmente, observa el clima y el calendario (¿está lloviendo? ¿es un día festivo?) para asegurarse de que la suposición tenga sentido para ese momento específico.

3. La red de seguridad: ACI (La "banda de confianza")

Esta es la innovación más importante. Incluso la mejor suposición puede estar equivocada.

Antiguo método: El sistema te daría un solo número y diría: "Estos son los datos faltantes".
Método de SPLICE: Envuelve la respuesta en una banda de seguridad. Dice: "Creemos que los datos faltantes están aquí, pero tenemos un 95% de certeza de que están en algún lugar dentro de esta banda ancha".

El sistema utiliza una técnica llamada Inferencia Conformal Adaptativa (ACI). Piensa en esto como un termostato de autocorrección.

Si el sistema empieza a adivinar demasiado estrechamente y se pierde los datos reales, la ACI ensancha automáticamente la banda de seguridad.
Si es demasiado cauteloso y la banda es enorme, la estrecha.
Lo hace en tiempo real, aprendiendo de sus errores a medida que avanza, asegurando que, a largo plazo, los datos reales caigan dentro de la banda el 93–95% de las veces.

4. Los resultados: Suposiciones mejores, más rápidas y más seguras

Los autores probaron esto en 13 conjuntos de datos eléctricos diferentes (de hogares, fábricas y ciudades).

Precisión: SPLICE hizo las suposiciones más precisas de datos faltantes en comparación con otros cinco métodos principales. Ganó en 9 de 12 conjuntos de datos.
Velocidad: Al utilizar el nuevo método "Flow Matching", rellenó 91 días de datos faltantes en solo unos pocos milisegundos, lo que es de 5 a 10 veces más rápido que los métodos anteriores más rápidos.
Fiabilidad: Arregló el problema de la "subcobertura". Los métodos antiguos a menudo afirmaban tener un 95% de confianza pero en realidad solo acertaban el 86% de las veces. SPLICE corrigió esto, alcanzando consistentemente el objetivo del 93–95%.

5. El truco "talla única"

Finalmente, el artículo mostró que el "Traductor" (la parte que entiende los datos) podía entrenarse en nueve ciudades diferentes y luego usarse en cuatro nuevas ciudades que nunca había visto antes. Funcionó casi tan bien como si se hubiera entrenado específicamente en esas nuevas ciudades. Esto significa que el sistema es flexible y puede implementarse rápidamente sin necesidad de reentrenar todo desde cero.

En resumen: SPLICE es una herramienta inteligente, rápida y honesta. No solo rellena los espacios en blanco de los datos eléctricos faltantes; imagina los escenarios más probables, lo hace increíblemente rápido y coloca una red de seguridad alrededor de sus respuestas para que los ingenieros sepan exactamente cuánto pueden confiar en el resultado.

Aquí se presenta un resumen técnico detallado del artículo "SPLICE: Difusión Latente sobre Embeddings JEPA para Imputación Conformal de Series Temporales".

1. Planteamiento del Problema

El artículo aborda el desafío crítico de la imputación de series temporales de largo horizonte en sistemas de energía, específicamente para reconstruir datos faltantes de carga eléctrica debido a fallos de sensores o interrupciones en las comunicaciones.

La Brecha: Los modelos generativos profundos existentes (por ejemplo, modelos de difusión, VAE) logran una alta precisión de reconstrucción, pero carecen de garantías de fiabilidad en muestras finitas. En infraestructuras críticas para la seguridad como las redes eléctricas, las estimaciones puntuales sin cuantificación de la incertidumbre son insuficientes para la programación y la planificación.
El Desafío: La interpolación tradicional no logra capturar estructuras temporales de alta resolución, mientras que los métodos estándar de predicción conformal a menudo fallan bajo desplazamientos de distribución no estacionarios (por ejemplo, cambios estacionales, cambios en los regímenes climáticos) porque asumen la intercambiabilidad de los datos.
Objetivo: Desarrollar un marco que proporcione una reconstrucción de alta fidelidad de datos faltantes (de hasta 91 días) mientras ofrece intervalos de predicción adaptativos y libres de distribución con garantías rigurosas de cobertura.

2. Metodología: El Marco SPLICE

SPLICE (Imputación Latente Predictiva Auto-supervisada con Envolturas Conformales) es una tubería modular de cuatro etapas:

A. Codificador JEPA (Aprendizaje de Representación)

Arquitectura: Utiliza una Arquitectura de Incrustación Predictiva Conjunta (JEPA) para mapear segmentos multivariados diarios (carga, clima, calendario) en un espacio latente compacto de 64 dimensiones.
Mecanismo: Un Transformer enmascarado predice la incrustación latente de los días enmascarados basándose en el contexto observado.
Objetivo de Entrenamiento: Combina la pérdida de predicción de coseno con regularización estilo VICReg (restricciones de varianza y covarianza) para evitar el colapso de las incrustaciones y asegurar la dispersión de la información.
Ventaja: A diferencia de los VAE, JEPA aprende un espacio latente estructurado que preserva la dinámica temporal sin el efecto de "difuminado" de las pérdidas de reconstrucción, lo que lo hace ideal para la generación de largo horizonte.

B. Puente Latente Condicional (Generación de Trayectorias)

Función: Genera trayectorias candidatas para la brecha faltante dentro del espacio latente JEPA.
Modos: Soporta cuatro niveles de estocasticidad:
1. Determinista: Predicción directa (MSE más bajo).
2. Perturbado por ruido: Añade ruido gaussiano a la salida determinista para crear un conjunto para la cuantificación de la incertidumbre.
3. Generativo (DDIM): Muestreo estándar de difusión.
4. Generativo (Emparejamiento de Flujos): El backend preferido. Aprende un campo de velocidad para transportar muestras a lo largo de trayectorias ODE rectas.
Eficiencia: La variante de Emparejamiento de Flujos logra una calidad comparable a DDIM en 5–10 pasos de Euler, ofreciendo una aceleración de 5–10× sobre el muestreador DDIM de 50 pasos.

C. Decodificador Condicionado por Hora

Función: Mapea las trayectorias latentes generadas de vuelta al espacio de señales (carga horaria).
Innovación: A diferencia de los decodificadores estándar, está condicionado a covariables horarias (clima, calendario) durante la brecha. Esto permite que el modelo "conozca" los factores externos (por ejemplo, temperatura) para los días faltantes, cerrando la brecha de información entre los espacios latente y de observación.
Entrenamiento: Utiliza una pérdida MSE ponderada por carga (peso 5× en la carga) y aumento de ruido para mejorar la robustez.

D. Inferencia Conformal Adaptativa (ACI)

Problema: La Predicción Conformal estándar (CQR) asume intercambiabilidad, lo cual se viola en series temporales.
Solución: SPLICE envuelve la salida generativa con Inferencia Conformal Adaptativa (ACI).
Mecanismo: ACI mantiene un nivel de no cobertura en ejecución ( $\alpha_t$ ) que se actualiza en línea basándose en los errores observados:
$\alpha_{t+1} = \alpha_t + \gamma(\alpha - \text{err}_t)$
Garantía: Esto asegura una cobertura a largo plazo (por ejemplo, 95%) incluso bajo desplazamientos de distribución, autocorrigiéndose sin recalibración manual.

3. Contribuciones Clave

Tubería Latente Modular: Una arquitectura novedosa que acopla el aprendizaje de representaciones JEPA con un puente latente condicional y un decodificador condicionado por hora.
Eficiencia del Emparejamiento de Flujos: Demuestra que el Emparejamiento de Flujos en el espacio latente JEPA proporciona una aceleración de inferencia de 5–10× sobre DDIM con calidad comparable o superior.
Incertidumbre Libre de Distribución: Primer trabajo que envuelve una tubería de imputación generativa profunda con ACI, corrigiendo fallos de subcobertura de hasta 7.5 puntos porcentuales en entornos no estacionarios.
Aprendizaje por Transferencia: Muestra que un único codificador JEPA agrupado entrenado en nueve dominios diversos puede transferirse a cuatro dominios no vistos con un ajuste fino mínimo (solo el puente y el decodificador), igualando o superando a los oráculos por conjunto de datos.

4. Resultados Experimentales

Evaluado en 13 conjuntos de datos (9 fuentes de servicios públicos propietarios, 3 UCI Electricity, 1 ETTh1) con brechas de 91 días:

Precisión:
- Logró el MSE solo de Carga (0.056) medio más bajo, superando a bases sólidas como SAITS (0.064), BRITS (0.068) y CSDI (0.252).
- Ganó en 9/12 conjuntos de datos no degenerados frente a bases externas.
- El Emparejamiento de Flujos redujo el MSE en un 8.7% en comparación con DDIM mientras utilizaba 10 veces menos pasos.
Calibración de Incertidumbre:
- ACI logró una cobertura empírica del 93–95% en todos los conjuntos de datos, corrigiendo con éxito la subcobertura en conjuntos de datos volátiles (por ejemplo, RIInd1014 mejoró del 86% al 93.5%).
- CRPS (Puntuación de Probabilidad Jerárquica Continua): El conjunto perturbado por ruido logró el mejor CRPS (0.161), una mejora del 18.3% sobre la base determinista más fuerte (SAITS).
Transferibilidad:
- Un codificador agrupado ajustado fino solo en el puente/decodificador igualó o superó a los oráculos por conjunto de datos en 3 de 4 dominios retenidos.
Estudios de Ablación:
- Las incrustaciones JEPA redujeron el MSE en un 53.2% en comparación con JEPA-only y en un 25.1% en comparación con una base legada VAE+Puente.
- El decodificador mejorado (pérdida ponderada por carga + aumento de ruido) contribuyó con una reducción adicional del 9.3% en MSE.

5. Significado e Impacto

Fiabilidad de la Red: Proporciona a los operadores de la red eléctrica no solo valores imputados, sino intervalos de confianza estadísticamente garantizados, cruciales para prevenir la subprovisión o eventos de respuesta a la demanda perdidos.
Escalabilidad y Eficiencia: El backend de Emparejamiento de Flujos hace que la imputación de largo horizonte sea computacionalmente viable para aplicaciones en tiempo real o casi en tiempo real.
Generalización: El enfoque de codificador agrupado sugiere un camino hacia modelos fundacionales universales de series temporales, reduciendo el costo de entrenar nuevos modelos para cada nuevo sensor o región.
Avance Metodológico: Conecta con éxito la brecha entre el modelado generativo (para reconstrucción de alta fidelidad) y la predicción conformal (para incertidumbre rigurosa), abordando una limitación importante en la gestión actual de infraestructuras impulsada por IA.

En conclusión, SPLICE representa un paso significativo hacia adelante en la imputación de series temporales al combinar el poder representacional de JEPA, la eficiencia del Emparejamiento de Flujos y el rigor estadístico de la Inferencia Conformal Adaptativa para resolver un problema crítico en los sistemas energéticos.