🤖 machine learning

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

SPLICE è un framework modulare che combina la diffusione latente su embedding JEPA con l'inferenza conformale adattiva per raggiungere prestazioni all'avanguardia nell'imputazione di serie temporali e garantire affidabilità libera da distribuzioni e su campioni finiti per applicazioni critiche nei sistemi energetici.

Autori originali: Arnaud Zinflou

Pubblicato 2026-05-04

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Arnaud Zinflou

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di ascoltare una canzone preferita, ma un pezzo della registrazione manca. Forse il nastro è stato sbriciolato, o il Wi-Fi si è interrotto per alcuni giorni. Devi colmare quella parte mancante affinché la canzone suoni fluidamente, ma devi anche sapere: Quanto siamo sicuri che ciò che abbiamo inserito sia effettivamente ciò che c'era?

Questo articolo presenta SPLICE, un nuovo strumento progettato per riparare i pezzi mancanti di dati sull'elettricità (come le note mancanti di una canzone), fornendo al contempo un "punteggio di confidenza" per la correzione. Ecco come funziona, scomposto in parti semplici:

1. Il Problema: Il "Rumore di Fondo" nei Dati

Le reti elettriche devono sapere esattamente quanta elettricità viene utilizzata ogni ora per mantenere accese le luci. Ma a volte i sensori si rompono, i cavi vengono tagliati o i computer si bloccano, lasciando enormi lacune nei dati (a volte mancanti per 91 giorni consecutivi!).

I vecchi metodi tentavano di colmare queste lacune disegnando semplicemente una linea liscia tra i punti "prima" e "dopo". È come indovinare il testo mancante di una canzone canticchiando la melodia tra le parole note. Sembra accettabile, ma perde il ritmo complesso e i dettagli necessari per gestire in sicurezza una rete elettrica.

I nuovi metodi basati sull'intelligenza artificiale possono indovinare meglio i dettagli mancanti, ma sono come un artista sicuro di sé che indovina perfettamente il testo ma si rifiuta di ammettere: "Potrei sbagliarmi". In una rete elettrica, sbagliarsi senza esserne consapevoli può essere pericoloso.

2. La Soluzione: SPLICE (L'Architetto che "Sogna")

Gli autori hanno costruito un sistema chiamato SPLICE che agisce come un architetto altamente formato che non si limita a indovinare; "immagina" come dovrebbe apparire l'edificio mancante basandosi sul quartiere circostante.

Ecco il processo passo dopo passo:

Passo 1: Il Traduttore (Codificatore JEPA)
Immagina che i dati sull'elettricità siano una lingua complessa. La prima parte di SPLICE è un traduttore che prende un'intera giornata di utilizzo di elettricità e la comprime in una minuscola "nota riassuntiva" di 64 numeri. Impara il vibe della giornata (è un martedì estivo caldo? un tranquillo fine settimana invernale?) senza perdersi in ogni singolo dettaglio. Questo si basa su un concetto chiamato JEPA (Joint Embedding Predictive Architecture), che è come insegnare a un computer a comprendere la "storia" dei dati invece di limitarsi a memorizzare i numeri.
Passo 2: Il Costruttore di Ponti (Ponte Latente Condizionale)
Una volta che il sistema ha le "note riassuntive" per i giorni prima e dopo la lacuna, deve costruire un ponte attraverso i giorni mancanti.
- Il Ponte Deterministico: Questa è la scommessa "sicura". Costruisce il percorso più probabile attraverso la lacuna, come disegnare la linea più dritta tra due punti.
- Il Ponte Creativo (Flow Matching): Questa è la parte del "sogno". Invece di disegnare una sola linea, genera molti percorsi possibili che l'utilizzo di elettricità avrebbe potuto seguire. È come immaginare dieci diverse versioni del testo mancante della canzone. L'articolo ha trovato un nuovo modo più veloce per farlo (chiamato Flow Matching) che è da 5 a 10 volte più rapido dei vecchi metodi ma altrettanto accurato.
Passo 3: Il Traduttore Inverso (Decodificatore)
Il sistema prende quelle "note riassuntive" e il "ponte" che ha costruito e li traduce di nuovo in numeri reali di elettricità orari. Crucialmente, guarda il meteo e il calendario (sta piovendo? è una festa?) per assicurarsi che l'indovinello abbia senso per quel momento specifico.

3. La Rete di Sicurezza: ACI (La "Banda di Confidenza")

Questa è l'innovazione più importante. Anche la migliore ipotesi può essere sbagliata.

Vecchio Metodo: Il sistema ti avrebbe dato un singolo numero dicendo: "Questi sono i dati mancanti".
Metodo di SPLICE: Avvolge la risposta in una banda di sicurezza. Dice: "Pensiamo che i dati mancanti siano qui, ma siamo sicuri al 95% che si trovino da qualche parte all'interno di questa banda ampia".

Il sistema utilizza una tecnica chiamata Adaptive Conformal Inference (ACI). Immagina questo come un termostato auto-correttivo.

Se il sistema inizia a indovinare troppo ristrettamente e manca i dati reali, l'ACI allarga automaticamente la banda di sicurezza.
Se è troppo cauto e la banda è enorme, la stringe.
Lo fa in tempo reale, imparando dai propri errori mentre procede, assicurandosi che, nel lungo periodo, i dati reali cadano all'interno della banda dal 93% al 95% delle volte.

4. I Risultati: Indovinelli Migliori, Più Veloci e Più Sicuri

Gli autori hanno testato questo su 13 diversi set di dati sull'elettricità (da case, fabbriche e città).

Accuratezza: SPLICE ha fatto le ipotesi più accurate sui dati mancanti rispetto ad altri cinque metodi principali. Ha vinto in 9 set di dati su 12.
Velocità: Utilizzando il nuovo metodo "Flow Matching", ha colmato 91 giorni di dati mancanti in pochi millisecondi, il che è da 5 a 10 volte più veloce dei migliori metodi precedenti.
Affidabilità: Ha risolto il problema della "sottocopertura". I vecchi metodi spesso affermavano di essere sicuri al 95% ma erano effettivamente corretti solo nell'86% dei casi. SPLICE ha corretto questo, raggiungendo costantemente l'obiettivo del 93-95%.

5. Il Trucco "Tutto-in-Uno"

Infine, l'articolo ha dimostrato che il "Traduttore" (la parte che comprende i dati) poteva essere addestrato su nove città diverse e poi utilizzato su quattro nuove città che non aveva mai visto prima. Ha funzionato quasi altrettanto bene come se fosse stato addestrato specificamente su quelle nuove città. Ciò significa che il sistema è flessibile e può essere distribuito rapidamente senza bisogno di riaddestrare tutto da zero.

In sintesi: SPLICE è uno strumento intelligente, veloce e onesto. Non si limita a colmare le lacune dei dati sull'elettricità mancanti; immagina gli scenari più probabili, lo fa incredibilmente velocemente e mette una rete di sicurezza intorno alle sue risposte in modo che gli ingegneri sappiano esattamente quanto possono fidarsi del risultato.

1. Enunciato del Problema

Il paper affronta la sfida critica dell'imputazione di serie temporali a lungo orizzonte nei sistemi energetici, specificamente per la ricostruzione di dati mancanti sul carico elettrico dovuti a guasti dei sensori o interruzioni delle comunicazioni.

Il Divario: I modelli generativi profondi esistenti (ad es. modelli di diffusione, VAE) raggiungono un'alta accuratezza di ricostruzione ma mancano di garanzie di affidabilità su campioni finiti. In infrastrutture critiche per la sicurezza come le reti elettriche, le stime puntuali senza quantificazione dell'incertezza sono insufficienti per la dispacciamento e la pianificazione.
La Sfida: L'interpolazione tradizionale non riesce a catturare strutture temporali a grana fine, mentre i metodi standard di previsione conformale spesso falliscono sotto spostamenti di distribuzione non stazionari (ad es. cambiamenti stagionali, spostamenti dei regimi meteorologici) perché assumono l'exchangeabilità dei dati.
Obiettivo: Sviluppare un framework che fornisca una ricostruzione ad alta fedeltà dei dati mancanti (fino a 91 giorni) offrendo al contempo intervalli di previsione adattivi e privi di distribuzione con garanzie rigorose di copertura.

2. Metodologia: Il Framework SPLICE

SPLICE (Self-supervised Predictive Latent Inpainting with Conformal Envelopes) è una pipeline modulare a quattro stadi:

A. Encoder JEPA (Apprendimento della Rappresentazione)

Architettura: Utilizza una Joint Embedding Predictive Architecture (JEPA) per mappare segmenti multivariati giornalieri (carico, meteo, calendario) in uno spazio latente compatto a 64 dimensioni.
Meccanismo: Un Transformer mascherato prevede l'embedding latente dei giorni mascherati basandosi sul contesto osservato.
Obiettivo di Addestramento: Combina una perdita di previsione cosinusoidale con regolarizzazione in stile VICReg (vincoli di varianza e covarianza) per prevenire il collasso dell'embedding e garantire la diffusione delle informazioni.
Vantaggio: A differenza delle VAE, la JEPA apprende uno spazio latente strutturato che preserva le dinamiche temporali senza l'effetto di "sfocatura" delle perdite di ricostruzione, rendendola ideale per la generazione a lungo orizzonte.

B. Ponte Latente Condizionato (Generazione della Traiettoria)

Funzione: Genera traiettorie candidate per il gap mancante nello spazio latente JEPA.
Modalità: Supporta quattro livelli di stocasticità:
1. Deterministico: Previsione diretta (MSE più basso).
2. Perturbato da rumore: Aggiunge rumore gaussiano all'output deterministico per creare un ensemble per la quantificazione dell'incertezza.
3. Generativo (DDIM): Campionamento di diffusione standard.
4. Generativo (Flow Matching): Il backend preferito. Apprende un campo di velocità per trasportare i campioni lungo percorsi ODE rettilinei.
Efficienza: La variante Flow Matching raggiunge una qualità comparabile a DDIM in 5–10 passi di Eulero, offrendo un accelerazione di 5–10× rispetto al campionatore DDIM a 50 passi.

C. Decoder Condizionato Orario

Funzione: Mappa le traiettorie latenti generate nello spazio del segnale (carico orario).
Innovazione: A differenza dei decoder standard, è condizionato su covariate orarie (meteo, calendario) durante il gap. Ciò permette al modello di "conoscere" i fattori esterni (ad es. temperatura) per i giorni mancanti, colmando il divario informativo tra gli spazi latente e di osservazione.
Addestramento: Utilizza una perdita MSE pesata sul carico (peso 5× sul carico) e augmentation del rumore per migliorare la robustezza.

D. Inferenza Conformale Adattiva (ACI)

Problema: La Previsione Conformale standard (CQR) assume l'exchangeabilità, che viene violata nelle serie temporali.
Soluzione: SPLICE avvolge l'output generativo con Inferenza Conformale Adattiva (ACI).
Meccanismo: L'ACI mantiene un livello di mancata copertura in esecuzione ( $\alpha_t$ ) che si aggiorna online in base agli errori osservati:
$\alpha_{t+1} = \alpha_t + \gamma(\alpha - \text{err}_t)$
Garanzia: Ciò assicura una copertura a lungo termine (ad es. 95%) anche sotto spostamenti di distribuzione, auto-correggendosi senza ricalibrazione manuale.

3. Contributi Chiave

Pipeline Latente Modulare: Un'architettura innovativa che accoppia l'apprendimento della rappresentazione JEPA con un ponte latente condizionato e un decoder condizionato orario.
Efficienza del Flow Matching: Dimostra che il Flow Matching nello spazio latente JEPA fornisce un accelerazione nell'inferenza di 5–10× rispetto a DDIM con qualità comparabile o migliore.
Incertezza Senza Distribuzione: Il primo lavoro a avvolgere una pipeline di imputazione generativa profonda con ACI, correggendo fallimenti di sottocopertura fino a 7,5 punti percentuali in ambienti non stazionari.
Transfer Learning: Mostra che un singolo encoder JEPA raggruppato addestrato su nove domini diversi può trasferirsi a quattro domini non visti con un fine-tuning minimo (solo ponte e decoder), eguagliando o superando gli oracoli per dataset.

4. Risultati Sperimentali

Valutati su 13 dataset (9 feed proprietari di utility, 3 UCI Electricity, 1 ETTh1) con gap di 91 giorni:

Accuratezza:
- Ha raggiunto il MSE solo sul carico più basso (0,056), superando baselines solide come SAITS (0,064), BRITS (0,068) e CSDI (0,252).
- Ha vinto 9/12 dataset non degeneri contro baselines esterne.
- Il Flow Matching ha ridotto l'MSE dell'8,7% rispetto a DDIM utilizzando 10 volte meno passi.
Calibrazione dell'Incertezza:
- L'ACI ha raggiunto una copertura empirica del 93–95% su tutti i dataset, correggendo con successo la sottocopertura in dataset volatili (ad es. RIInd1014 migliorato dall'86% al 93,5%).
- CRPS (Continuous Ranked Probability Score): L'ensemble perturbato da rumore ha raggiunto il miglior CRPS (0,161), un miglioramento del 18,3% rispetto alla baseline deterministica più forte (SAITS).
Trasferibilità:
- Un encoder raggruppato fine-tunato solo su ponte/decoder ha eguagliato o superato gli oracoli per dataset su 3 su 4 domini tenuti da parte.
Studi di Ablazione:
- Gli embedding JEPA hanno ridotto l'MSE del 53,2% rispetto a JEPA-only e del 25,1% rispetto a una baseline legacy VAE+Bridge.
- Il decoder potenziato (perdita pesata sul carico + augmentation del rumore) ha contribuito a una riduzione aggiuntiva dell'MSE del 9,3%.

5. Significato e Impatto

Affidabilità della Rete: Fornisce agli operatori della rete elettrica non solo valori imputati, ma intervalli di confidenza garantiti statisticamente, cruciali per prevenire la sottoprovvisione o eventi mancati di risposta alla domanda.
Scalabilità ed Efficienza: Il backend Flow Matching rende l'imputazione a lungo orizzonte computazionalmente fattibile per applicazioni in tempo reale o quasi reale.
Generalizzazione: L'approccio dell'encoder raggruppato suggerisce una strada verso modelli fondazione universali per serie temporali, riducendo il costo di addestramento di nuovi modelli per ogni nuovo sensore o regione.
Avanzamento Metodologico: Collega con successo il divario tra modellazione generativa (per ricostruzione ad alta fedeltà) e previsione conformale (per incertezza rigorosa), affrontando una limitazione maggiore nella gestione attuale delle infrastrutture guidata dall'IA.

In conclusione, SPLICE rappresenta un passo significativo avanti nell'imputazione di serie temporali combinando il potere rappresentativo della JEPA, l'efficienza del Flow Matching e il rigore statistico dell'Inferenza Conformale Adattiva per risolvere un problema critico nei sistemi energetici.