📊 statistics

Operator learning for the 2D incompressible Navier-Stokes equations: a conformal prediction approach in the data-scarce regime

Cet article propose un cadre de prédiction conforme basé sur les perturbations et efficace en termes de données, qui enveloppe un opérateur de Fourier neuronal entraîné pour générer des bandes d'incertitude calibrées pour les solutions 2D des équations de Navier-Stokes incompressibles dans des régimes de rareté de données, atteignant des intervalles de prédiction plus étroits que les méthodes existantes tout en maintenant la couverture cible.

Auteurs originaux : Weinan Wang, Bowen Gang, Hao Deng

Publié 2026-06-09

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Weinan Wang, Bowen Gang, Hao Deng

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de prédire la météo. Vous disposez d'un modèle informatique ultra-rapide (un « opérateur neural ») qui peut deviner à quoi ressembleront le vent et la pluie demain. Ce modèle est bien plus rapide que les anciens supercalculateurs lents utilisés par les météorologues. Mais voici le problème : ce modèle rapide ne donne qu'une seule supposition, du type : « Il pleuvra à 14h ». Il ne vous dit pas à quel point il est sûr de lui. Est-il sûr à 99 % ? Ou est-ce qu'il devine simplement parce qu'il n'a jamais vu une météo comme celle-ci auparavant ?

Dans le monde de la dynamique des fluides (comme la façon dont l'eau tourbillonne ou l'air se déplace), l'incertitude est dangereuse. Vous avez besoin de connaître non seulement la prédiction, mais aussi la « marge d'erreur » autour de celle-ci.

Ce document présente une méthode ingénieuse et économe en données pour déterminer cette marge d'erreur, surtout lorsque vous ne disposez pas de beaucoup de données d'entraînement.

Le Problème : L'incertitude « gourmande en données »

Habituellement, pour savoir à quel point un modèle est incertain, vous devez construire un second modèle distinct, dédié uniquement à la mesure de l'incertitude. C'est comme embaucher un second détective juste pour vérifier si le premier détective fait du bon travail.

Le problème : Si vous ne disposez que d'une petite quantité de données (un régime de « rareté des données »), vous ne pouvez pas vous permettre de diviser vos données en deux. Une moitié sert à entraîner le prédicteur météo, et l'autre à entraîner le « vérificateur d'incertitude ». Cela laisse les deux modèles sous-entraînés et faibles.

La Solution : Le « Test des Jumeaux » (Approche par perturbation)

Les auteurs proposent une méthode plus intelligente qui ne nécessite ni un second modèle, ni des données supplémentaires. Ils utilisent une technique appelée Prédiction Conforme, qui est comme un filet de sécurité garantissant que votre prédiction est correcte un certain pourcentage du temps.

Voici leur variante créative, qu'ils appellent l'approche « basée sur la perturbation » :

Entraîner les jumeaux : Au lieu d'entraîner deux modèles différents sur des données différentes, ils entraînent deux modèles identiques sur les mêmes données exactes.
L'astuce du « bruit » : Pour le second jumeau, ils ajoutent un peu de « statique » ou de « bruit » aux réponses (les étiquettes) avant l'entraînement. Imaginez enseigner à un élève comment résoudre des problèmes de mathématiques, mais pour le second élève, vous gribouillez légèrement sur les bonnes réponses pour qu'elles soient un tout petit peu fausses.
Le désaccord : Maintenant, vous demandez aux deux jumeaux de prédire la météo pour un nouveau jour.
- Si le schéma météorologique est simple et clair, les deux jumeaux seront d'accord, malgré le bruit.
- Si le schéma météorologique est chaotique et difficile à apprendre (comme une tempête violente), le second jumeau (entraîné sur les réponses « gribouillées ») sera confus et donnera une réponse très différente du premier jumeau.

L'analogie :
Pensez aux deux jumeaux comme à deux chefs suivant la même recette.

Le Chef A suit la recette parfaitement.
Le Chef B suit la recette, mais quelqu'un a éternué sur les ingrédients, les rendant légèrement différents.
S'ils préparent un sandwich simple, les deux chefs produiront presque le même sandwich. Vous êtes très confiant dans le résultat.
S'ils préparent un soufflé complexe qui est très sensible à la température, le Chef B pourrait le brûler alors que le Chef A réussit un soufflé parfait. Leur désaccord vous dit : « Hé, ce plat est délicat ! Ne soyez pas trop confiant dans le résultat. »

Comment ils l'utilisent

Les auteurs utilisent ce « désaccord » pour tracer une bande de sécurité autour de la prédiction.

Là où les jumeaux sont d'accord : La bande de sécurité est étroite (haute confiance).
Là où les jumeaux sont en désaccord : La bande de sécurité s'élargit (basse confiance).

Cela crée une carte d'incertitude qui change selon que le fluide tourbillonne violemment (turbulence) ou qu'il est calme.

Les Résultats : Gagner avec moins de données

Les auteurs ont testé leur méthode de « Test des Jumeaux » sur des simulations de fluides en 2D (équations de Navier-Stokes), qui sont notoirement difficiles à prédire. Ils ont comparé leur méthode à d'autres façons populaires de mesurer l'incertitude.

Le gagnant : Leur méthode a produit des bandes de sécurité plus serrées et plus précises que les autres.
Pourquoi ? Parce qu'ils n'ont pas gaspillé de données pour entraîner un modèle d'incertitude séparé. Ils ont utilisé toutes les données disponibles pour entraîner les jumeaux, tirant ainsi le meilleur parti d'un petit ensemble de données.
Le compromis : Les autres méthodes produisaient soit des bandes de sécurité très larges et inutiles (comme dire « il pourrait pleuvoir ou pas, n'importe où dans le monde »), soit nécessitaient trop de données pour fonctionner correctement.

L'essentiel à retenir

Ce document montre qu'il n'est pas nécessaire d'avoir un second modèle pour savoir à quel point vous êtes incertain. En entraînant simplement deux versions du même modèle — l'une sur des données propres et l'autre sur des données légèrement « bruitées » — vous pouvez mesurer la sensibilité de la prédiction. Si le modèle est sensible à de minuscules changements, vous savez qu'il faut être prudent. C'est une manière très efficace d'ajouter un « compteur de confiance » aux prédictions rapides de l'IA, surtout lorsque vous travaillez avec des informations limitées.

Résumé Technique : Prédiction Conforme Basée sur la Perturbation pour l'Apprentissage d'Opérateurs en Régime de Données Rares

1. Formulation du Problème

L'article traite du défi de la Quantification de l'Incertitude (UQ) pour les opérateurs neuronaux apprenant les équations de Navier-Stokes incompressibles en 2D. Bien que les opérateurs neuronaux (par exemple, les Fourier Neural Operators, FNO) fournissent des substituts efficaces aux solveurs de PDE coûteux, leurs prédictions ponctuelles manquent d'estimations d'incertitude calibrées pour les champs spatiotemporels. Cela est crucial dans des contextes de prise de décision ou de sécurité critique où les erreurs varient selon l'espace et le temps.

Le problème spécifique est formulé comme l'apprentissage d'un opérateur de solution $G: \mathbf{a} \to \mathbf{u}$ , cartographiant un historique d'entrée de champs de vorticité $\mathbf{a}$ vers une trajectoire future $\mathbf{u}$ . L'objectif est de construire un ensemble de prédiction $C(\mathbf{a})$ qui satisfasse une couverture simultanée sur l'ensemble de la grille spatiotemporelle avec une probabilité d'au moins $1-\alpha$ :
$P(\mathbf{u}_{new} \in C(\mathbf{a}_{new})) \geq 1 - \alpha$
Les auteurs se concentrent sur le régime de données rares, où le budget total de labels est fixe. Dans ce cadre, les méthodes nécessitant des réseaux d'incertitude distincts (comme UQNO) doivent partitionner les données limitées entre un modèle prédictif et un modèle d'incertitude auxiliaire, ce qui peut réduire la performance des deux modèles.

2. Méthodologie : Score de Non-Conformité Basé sur la Perturbation

Le cadre proposé enveloppe un opérateur neuronal entraîné avec une prédiction conforme scindée (Split Conformal Prediction). L'innovation centrale réside dans la construction d'un score de non-conformité basé sur la perturbation qui génère une échelle d'incertitude adaptative et spatialement variable sans nécessiter de réseau d'incertitude séparé ou de divisions de données disjointes.

2.1 Mécanisme Central

La méthode repose sur le principe selon lequel la sensibilité d'un opérateur appris aux petites perturbations dans les labels d'entraînement est corrélée à l'incertitude prédictive.

Double Entraînement : Deux opérateurs neuronaux ayant des architectures identiques sont entraînés sur le même ensemble d'entraînement approprié :
- $\hat{G}$ : Entraîné sur les labels originaux $\mathbf{u}_i$ .
- $\hat{G}_\epsilon$ : Entraîné sur les labels perturbés $\tilde{\mathbf{u}}_i = \mathbf{u}_i + \boldsymbol{\epsilon}_i$ , où $\boldsymbol{\epsilon}_i \sim \mathcal{N}(0, \sigma_\epsilon^2)$ .
Désaccord Brut : Pour une nouvelle entrée $\mathbf{a}$ , la mesure d'incertitude brute à la coordonnée $k$ est la différence absolue ponctuelle :
$d(\mathbf{a})_k = | \hat{G}(\mathbf{a})_k - \hat{G}_\epsilon(\mathbf{a})_k |$
Stabilisation : Pour prévenir l'instabilité numérique (division par des valeurs proches de zéro) et assurer la robustesse, le désaccord brut subit deux étapes :
- Lissage Spatial : La carte de désaccord est lissée à l'aide d'une fenêtre spatiale $K \times K$ (par exemple, $15 \times 15$ ) pour moyenner le bruit local.
- Stabilisation par Seuil (Floor Stabilization) : Un seuil dépendant des données $\tau_0$ est imposé, défini comme une fraction de la médiane du désaccord sur l'ensemble d'entraînement. L'échelle finale est $\sigma(\mathbf{a})_k = \max(\bar{d}(\mathbf{a})_k, \tau_0)$ .
Score de Non-Conformité : Le score conforme pour un échantillon de calibration est défini comme le maximum du résidu normalisé sur toutes les coordonnées de sortie :
$S(\mathbf{a}, \mathbf{u}) = \max_k \frac{| u_k - \hat{G}(\mathbf{a})_k |}{\sigma(\mathbf{a})_k}$
Ce type de score "max" cible la couverture simultanée à travers la grille.

2.2 Calibration et Prédiction

En utilisant le protocole de prédiction conforme scindée, le quantile $\hat{Q}_{1-\alpha}$ des scores $S$ détermine la largeur des bandes de prédiction. Pour une nouvelle entrée, la bande de prédiction à la coordonnée $k$ est :
$C(\mathbf{a})_k = \left[ \hat{G}(\mathbf{a})_k - \hat{Q}_{1-\alpha}\sigma(\mathbf{a})_k, \quad \hat{G}(\mathbf{a})_k + \hat{Q}_{1-\alpha}\sigma(\mathbf{a})_k \right]$
Les garanties théoriques assurent que, sous l'hypothèse d'échangeabilité, l'ensemble de la trajectoire est simultanément couvert avec une probabilité $\geq 1-\alpha$ .

3. Contributions Clés

Échelle Basée sur la Perturbation : Introduction d'une méthode pour dériver des échelles d'incertitude adaptatives directement de la divergence entre un modèle de base et un modèle entraîné sur des labels perturbés. Cela évite le besoin d'un réseau d'incertitude auxiliaire.
Efficacité des Données : L'approche est spécifiquement conçue pour le régime de données rares. Contrairement aux méthodes comme UQNO qui divisent les données d'entraînement, la méthode de perturbation utilise l'intégralité de l'ensemble d'entraînement approprié pour les modèles de base et perturbés, maximisant ainsi l'information disponible pour l'apprentissage de l'opérateur.
Couverture Simultanée : L'utilisation d'un score de non-conformité de type "max" garantit que les bandes de prédiction fournissent une couverture simultanée valide sur l'ensemble de la sortie spatiotemporelle de haute dimension, plutôt qu'une simple couverture marginale à des points individuels.
Techniques de Stabilisation : L'inclusion du lissage spatial et de la stabilisation par seuil s'est révélée cruciale pour l'efficacité des bandes conformes, empêchant l'inflation des estimations d'incertitude dues à des désaccords isolés proches de zéro.

4. Résultats Expérimentaux

Les expériences ont été menées sur un benchmark de vorticité de Navier-Stokes en 2D (grille $64 \times 64$ , 10 pas de temps) avec un budget total de labels fixé à 1200 trajectoires. La méthode proposée a été comparée à :

MC Dropout : Utilisation du dropout lors de l'inférence pour l'estimation de la variance.
Approximation de Laplace : Approximation diagonale de la dernière couche.
UQNO : Un réseau de quantiles auxiliaire entraîné sur un sous-ensemble disjoint de données.
Unscaled (Non scalé) : Une ligne de base avec des bandes de largeur constante ( $\sigma \equiv 1$ ).

Résultats :

Efficacité : La méthode basée sur la perturbation a produit des bandes conformes considérablement plus étroites que toutes les lignes de base tout en maintenant la couverture simultanée cible.
- À $\alpha=0,04$ , la méthode de perturbation a atteint un rayon moyen de 3,786, contre 4,192 (Unscaled), 4,403 (Laplace), 8,530 (MC Dropout) et 16,784 (UQNO).
- L'amélioration par rapport à UQNO est particulièrement significative (réduction de rayon de 77,4 %), attribuée à la pénalité de division des données inhérente à l'entraînement d'un réseau d'incertitude séparé.
Études d'Ablation :
- Lissage Spatial : Crucial pour la performance. La suppression du lissage a augmenté le rayon moyen de ~3,8 à ~83,6.
- Stabilisation par Seuil : Moins critique pour l'efficacité que le lissage, mais nécessaire pour la stabilité ; sa suppression seule a eu un effet négligeable sur le rayon.
Sensibilité : La méthode est robuste à l'amplitude du bruit de perturbation ( $c \in [0,02, 0,10]$ ), la couverture restant proche de la cible nominale sur cette plage.
Analyse Qualitative : Les bandes d'incertitude résultantes s'élargissent correctement dans les régions physiquement complexes (cœurs de vortex, couches de cisaillement) et se contractent dans les zones laminaires plus lisses, s'alignant sur la difficulté attendue de la tâche de prédiction.

5. Signification et Revendications

L'article affirme que la sensibilité à la perturbation sert de proxy pratique et efficace en termes d'échantillonnage pour l'incertitude dans les opérateurs neuronaux conformes. La principale signification réside dans le découplage de la calibration de l'incertitude de la modélisation auxiliaire. En exploitant le désaccord entre deux modèles entraînés sur des données presque identiques, la méthode permet une couverture simultanée adaptative sans sacrifier les données d'entraînement à un second réseau.

Les auteurs présentent cela comme un mécanisme général applicable aux problèmes de régression au-delà des PDE, à condition de pouvoir entraîner deux modèles sur des données presque identiques. L'approche offre une alternative efficace en termes de données pour la régression conformalisée, particulièrement précieuse lorsque les données sont limitées et que le coût d'entraînement de modèles auxiliaires est prohibitif. Les résultats suggèrent que pour l'apprentissage d'opérateurs en régime de données rares, la mise à l'échelle basée sur la perturbation surpasse les méthodes adaptatives existantes (MC Dropout, Laplace, UQNO) en termes de compacité des bandes, tout en préservant des garanties statistiques rigoureuses.