Validation-Gated Multi-Agent Governance for Online Adaptation of Thermal-Hydraulic Surrogate Models under Operating-Regime Shift

Resumen Técnico: Gobernanza de Agentes Múltiples con Validación de Puerta para la Adaptación en Línea de Modelos Sustitutos Termohidráulicos

Planteamiento del Problema
El pronóstico termohidráulico (TH) en tiempo real es crítico para el soporte de la operación experimental, el monitoreo de gemelos digitales y la evaluación de la seguridad pasiva. Si bien los códigos de sistema de alta fidelidad son demasiado costosos computacionalmente para pronósticos de segundo a segundo, los sustitutos de Inteligencia Artificial (IA) ofrecen alternativas de baja latencia. Sin embargo, existe una limitación significativa: los sustitutos suelen ser entrenados, validados y congelados fuera de línea dentro de un sobre de preentrenamiento específico. Al desplegarse en instalaciones donde los regímenes operativos cambian (por ejemplo, debido a cambios en las vías de eliminación de calor pasivo o ajustes en la política de control), estos modelos "bloqueados por condición" pueden producir trayectorias físicamente inexactas a pesar de presentar salidas suaves.

Los enfoques existentes para el aprendizaje continuo enfrentan un dilema de estabilidad-plasticidad. El aprendizaje agresivo en línea corre el riesgo de amplificar fallos de sensores, sobreajustarse a ventanas recientes e inducir el olvido catastrófico de regímenes anteriores. Por el contrario, las reglas deterministas conservadoras (umbrales, periodos de enfriamiento, reversión) restringen los cambios del modelo pero carecen de la capacidad de razonamiento para diagnosticar por qué ocurren los errores, seleccionar familias de modelos apropiadas para la adaptación o vetar mejoras a corto plazo que enmascaran comportamientos de riesgo de cola. El artículo aborda la brecha de cómo integrar el razonamiento basado en agentes en la evolución de modelos con relevancia para la seguridad sin otorgar a los agentes el control directo sobre el controlador en tiempo real.

Metodología
El estudio propone un marco de adaptación continua resguardado que separa la ruta de servicio en tiempo real de la ruta de adaptación. El sistema emplea una arquitectura de "campeón-retador" donde solo un modelo "campeón" validado realiza las predicciones, mientras que los "retadores" son entrenados y evaluados en segundo plano.

1. Estructura de Gobernanza de Agentes Múltiples:
   El marco utiliza cinco agentes con roles separados para apoyar la toma de decisiones dentro de un sobre de seguridad determinista:

   • Monitor: Resume los errores rodantes, rachas de advertencia, comportamiento de recorte y canales de error dominantes.
   • Diagnóstico: Mapea las firmas de error hacia hipótesis sobre la obsolescencia del modelo o cambios de acoplamiento.
   • Adaptación: Propone el ajuste fino limitado, la actualización del retador o acciones de retención.
   • Auditor de Seguridad: Verifica que las actualizaciones propuestas no violen las puertas duras ni introduzcan regresiones de riesgo de cola.
   • Orquestador: Consolida las entradas en una recomendación final.
   • Crucialmente, estos agentes proporcionan recomendaciones y vetos, pero las puertas de validación deterministas retienen la autoridad final sobre el reemplazo del modelo.

2. Tamizaje Fuera de Línea y Campeón Inicial:
   Se examinaron siete familias de sustitutos (LSTM, GRU, Transformer, neural ODE, GNN, DeepONet y Temporal Fourier Neural Operator) mediante validación cruzada de tres bloques sobre datos fuera de línea (operación normal, reducción de potencia y el apagado de la planta), utilizando la validación cruzada de error absoluto medio (MAE). El Temporal Fourier Neural Operator (Temporal-FNO) fue seleccionado como el campeón inicial debido al menor MAE de validación cruzada.

3. Despliegue en Streaming y Puertas de Seguridad:
   El sistema se desplegó en dos transitorios no utilizados: una configuración de inserción de tubos de calor (que altera la eliminación de calor pasivo) y un transitorio operativo separado con un programa no visto. El bucle de adaptación incluye:

   • Puertas Deterministas: Umbrales de advertencia/críticos, periodos de enfriamiento, recorte de predicción contra límites físicos y ajuste fino limitado con mezcla de pesos.
   • Criterios de Promoción: Un retador es promovido solo si mejora el error medio sin degradar la excedencia, el riesgo de cola o el comportamiento de recorte.
   • Reversión (Rollback): Se activa ante predicciones no finitas o un exceso de recorte.

4. Modos Experimentales:
   Se compararon siete modos operativos para aislar las contribuciones de los diferentes componentes:

   • Estático: Campeón Temporal-FNO congelado.
   • Regla-H: Reglas de adaptación deterministas sin agentes.
   • Sombra (Shadow): Actualización periódica en segundo plano de las mejores familias sin revisión de agentes.
   • Único-H/Completo (Single-H/Full): Planificación de agente único (selectiva o frecuente).
   • MA-H/Completo (MA-H/Full): Gobernanza de agentes múltiples con roles separados (selectiva o por pasos).

Resultados Clave
El estudio evaluó el desempeño a través de seis unidades estadísticas pareadas (dos divisiones de flujo × tres semillas) utilizando intervalos de confianza de bootstrap del 95%.

• Desempeño Estático: El campeón Temporal-FNO congelado arrojó un MAE promedio por canal de 7.06 con una razón de excedencia de advertencia del 56.8%, confirmando el problema de bloqueo por condición en regímenes desplazados.
• Adaptación Basada en Reglas: El modo Rule-H redujo el MAE a 6.54 (una mejora del 7.3%) utilizando únicamente puertas deterministas, estableciendo una línea base para el despliegue adaptativo.
• Aprendizaje en Sombra (Shadow): La actualización en segundo plano por sí sola (Shadow) mostró una mejora mínima (MAE 6.96), indicando que generar retadores sin gobernanza es insuficiente.
• Gobernanza de Agentes Múltiples: El modo MA-Full (revisión de agentes múltiples por pasos) logró el mejor desempeño con un MAE de 5.72 y una razón de excedencia de advertencia de 35.8%. Esto representa una mejora del 19.0% respecto al modo Estático.
• Significancia Estadística: Los intervalos de bootstrap pareados para MA-Full frente al Estático excluyeron el cero tanto para el MAE como para la excedencia, indicando una reducción estadísticamente significativa del error. Sin embargo, los intervalos entre otros modos adaptativos se solaparon, lo que impidió un ranking definitivo entre ellos.
• Evolución del Modelo: En el modo MA-Full, el sistema logró transicionar exitosamente el modelo de servicio del Temporal-FNO inicial hacia arquitecturas de Transformer y luego a redes neuronales de grafos (GNN) como retadores. Estas transiciones fueron impulsadas por evidencia condicionada al flujo (ej. memoria térmica retardada y acoplamiento hidráulico) en lugar de una preferencia arbitraria.
• Olvido Catastrófico: El re-testeo en las ventanas originales de preentrenamiento fuera de línea mostró que los modelos adaptados mantuvieron su desempeño en el dominio original (el MAE disminuyó de 2.91 a 1.96), indicando que las actualizaciones basadas en la reproducción no causaron olvido catastrófico.

Significancia y Reivindicaciones
El artículo sostiene que la adaptación validada y controlada por puertas puede soportar la evolución de sustitutos auditables en contextos de relevancia para la seguridad. La contribución principal es demostrar que la gobernanza de agentes múltiples, cuando está limitada por puertas de seguridad deterministas, puede guiar eficazmente la evolución continua de los sustitutos sin actuar como el controlador en tiempo real.

• Gobernanza vs. Control: El estudio enfatiza que los agentes sirven como una capa de gobernanza para diagnosticar firmas de error, priorizar familias candidatas y revisar promociones riesgosas, mientras que las puertas deterministas retienen la autoridad de despliegue.
• Adaptabilidad: Los resultados indican que ninguna arquitectura fuera de línea es suficiente para todos los regímenes operativos. La capacidad de migrar de una arquitectura Temporal-FNO a arquitecturas Transformer y GNN basándose en evidencia en tiempo real permite al sistema adaptarse a los cambios en la inercia térmica y la redistribución del flujo.
• Alcance Modesto: Los autores señalan explícitamente las limitaciones, incluyendo el pequeño número de unidades estadísticas pareadas (seis) y el hecho de que el estudio no establece una superioridad universal en todos los regímenes operativos posibles. Los hallazgos son específicos para la instalación experimental y los transitorios probados. El artículo no pretende resolver todos los desafíos del aprendizaje continuo, sino demostrar un enfoque específico y resguardado que equilibra la adaptabilidad con las restricciones de seguridad.

En conclusión, el estudio valida un marco donde los agentes con roles separados y las puertas deterministas trabajan en conjunto para mantener la precisión del modelo sustituto durante los cambios de régimen operativo, ofreciendo una vía para gemelos digitales más robustos en sistemas termohidráulicos nucleares.