PHINN: Persistent Homology Inspired Neural Network for Rare-Event Time Series Generation

PHINN is een flow-matching generatief framework dat persistente homologie benut, specifiek dynamische Betti-curves en persistence landscape losses, om zeldzame gebeurtenissen in tijdreeksen effectief te modelleren door stabiele topologische vingerafdrukken vast te leggen, waardoor het bestaande statistische en diffusie-baselines overtreft in topologische getrouwheid en staartdekking over diverse domeinen heen.

De kern

Stel je voor dat je een weervoorspeller bent die probeert een orkaan te voorspellen die eens in de eeuw voorkomt. Je hebt veel gegevens over zonnige dagen en lichte regen, maar je hebt in je hele carrière slechts één echte orkaan gezien.

De meeste computermodellen proberen van deze ene orkaan te leren door naar de cijfers te kijken: "Hoe hard was de wind? Hoe laag was de luchtdruk?" Maar dit artikel betoogt dat dit is also centimeters kijken naar een orkaan door alleen naar een spreadsheet met windsnelheden te kijken. Je mist de vorm van de storm — hoe het oog vormt, hoe de wolken in een specifieke lus draaien, en hoe het systeem met elkaar verbonden is.

Dit artikel introduceert PHINN (Persistent Homology Inspired Neural Network), een nieuw soort AI die ontworpen is om realistische "wat als"-scenario's te verzinnen voor zeldzame, rampzalige gebeurtenissen (zoals beurscrashs, verstoringen in de toeleveringsketen of cyberaanvallen) door zich te concentreren op hun geometrische vorm in plaats van alleen op hun statistieken.

Zo werkt het, uitgelegd aan de hand van eenvoudige concepten:

1. De "Vorm" van een Crisis (Topologie)

De auteurs realiseerden zich dat zeldzame gebeurtenissen een unieke "vingerafdruk" achterlaten in de data, niet alleen in de cijfers, maar ook in de structuur.

• De Analogie: Stel je voor dat je naar een menigte mensen kijkt.
  • Statistiek vertelt je de gemiddelde lengte en het gemiddelde gewicht.
  • Topologie (de wiskunde die hier wordt gebruikt) vertelt je de vorm van de menigte. Staan ze allemaal in één grote cirkel? Zijn er drie aparte groepen die met elkaar praten? Is er een gat in het midden waar niemand staat?
• Het Inzicht: Een beurscrash ziet er "topologisch" anders uit dan een blokkade in de toeleveringsketen, zelfs als de cijfers (koersdalingen) er hetzelfde uitzien. PHINN leert deze vormen te herkennen. Het telt "lussen" (zoals een ring van verbonden gebeurtenissen) en "leegtes" (lege ruimtes in de data) om de crisis te begrijpen.

2. De "Dynamische Camera" (Verschuivende Vensters)

Tijdreeksgegevens zijn een film, geen foto. PHINN bekijkt niet de hele film in één keer.

• De Analogie: Stel je een beveiligingscamera voor die automatisch in- en uitzoomt. Wanneer het rustig is, zoomt de camera uit om het grote plaatje te zien. Wanneer de chaos begint (een "crisis"), zoomt de camera ver in om de snel bewegende details te vangen.
• Hoe PHINN het doet: Het gebruikt een "verschuivend venster" (sliding window) dat van grootte verandert op basis van hoe volatiel de data is. Het verandert de tijdreeks in een wolk van punten en controleert constant: "Hoeveel aparte groepen zijn er? Hoeveel lussen worden er gevormend?" Deze veranderende aantallen worden Betti-curves genoemd.

3. De "Architect" (Flow Matching)

Zodra PHINN de "vorm" van een crisis begrijpt, moet het nieuwe, nep-maar-realistische scenario's genereren.

• De Analogie: Denk aan een beeldhouwer die een blok klei heeft (willekeurige ruis). Een normale AI zou de klei misschien gewoon willekeurig vervormen. PHINN is een beeldhouwer die een blauwdruk heeft (de Betti-curve). Het dwingt de klei om de specifieke vorm aan te nemen van een "beurscrash" of een "cyberaanval" terwijl het de klei vormgeeft.
• Het Resultaat: Het kan 10.000 verschillende versies van een rampenscenario genereren die allemaal structureel correct zijn, wat planners helpt zich voor te bereiden op zaken die ze nog nooit eerder hebben gezien.

4. De "Vertaler" (LLM Interface)

Je hoeft geen wiskundige te zijn om PHINN te gebruiken.

• De Analogie: Je kunt in gewone mensentaal met PHINN praten. Je kunt zeggen: "Laat me een falen van de toeleveringsketen zien waarbij een belangrijke fabriek twee weken lang gesloten is."
• Hoe het werkt: Een taalmodel (zoals een slimme chatbot) vertaalt je zin naar de specifieke "vorm-blauwdruk" (Betti-curve) die de AI nodig heeft om het scenario te bouwen.

5. Waarom dit ertoe doet (De "Wat als"-machine)

Het artikel beweert dat huidige methoden er niet in slagen de structuur van zeldzame gebeurtenissen te vangen. Ze krijgen misschien de cijfers goed, maar het verhaal fout.

• De Claim: PHINN is beter in het creëren van scenario's die eruitzien en aanvoelen als echte rampen. Het is tot 63% nauwkeuriger in het voorspellen van de "vorm" van de crisis en even goed in het creëren van realistische "tail events" (de ergste scenario's) als menselijke experts.
• De Veiligheidscontrole: De auteurs hebben ook een "leugendetector" in het systeem gebouwd. Het kan detecteren of iemand probeert de AI te misleiden met valse data die statistisch weliswaar oké lijkt, maar de verkeerde "vorm" heeft.

Samenvatting

PHINN is een instrument dat ons helpt om het onvoorstelbare te visualiseren. In plaats van alleen cijfers te verwerken om te gokken hoe een zeldzame ramp eruit zou kunnen zien, leert het de geometrische DNA van het verleden. Het gebruikt die kennis vervolgens om duizenden nieuwe, realistische "wat als"-verhalen te bouwen, waardoor bedrijven en overheden zich kunnen voorbereiden op de volgende grote schok voordat deze plaatsvindt.

Kernboodschap: Het gaat niet alleen om hoe erg de cijfers worden; het gaat om de vorm van de chaos. PHINN leert de vorm van de storm zodat het de volgende kan voorspellen.

Technische samenvatting

Technische Samenvatting: PHINN – Persistent Homology Inspired Neural Network voor Outlier Synthese

1. Probleemstelling

Het artikel behandelt de kritieke uitdaging van het modelleren van zeldzame, impactvolle gebeurtenissen in tijdreeksgegevens, zoals financiële crises, infrastructurele defecten en cyber-fysieke anomalieën. Bestaande benaderingen kampen met twee primaire beperkingen:

1. Datascarciteit: Zeldzame gebeurtenissen komen te weinig voor om effectief van te leren met standaard gesuperviseerde of generatieve methoden.
2. Structurele Blindheid: Huidige generatieve modellen (inclusief diffusiemodellen) hebben moeite met het vastleggen van de structurele dynamiek van extreme waarden. Terwijl statistische methoden (bijv. Extreme Value Theory, zwaardere staarten) de marginale distributies adresseren, slagen ze er niet in de geometrische vorm van een crisis te modelleren. Recente surveys geven aan dat diffusiemodellen "universeel worstelen met extreme waarden", en praktijkgebruikers missen instrumenten om structureel getrouwe scenario's te genereren vanuit een enkel geobserveerd voorbeeld.

De kern van de geïdentificeerde operationele kloof is het onvermogen om de vraag te beantwoorden: "Hoe ziet een verstoring van dit structurele type er dynamisch uit, en wat zijn plausibele manieren waarop deze zich ontvouwt?"

2. Methodologie: PHINN

De auteurs stellen PHINN voor, een conditional flow-matching framework ontworpen voor het synthetiseren van tijdreeksen met zeldzame gebeurtenissen door gebruik te maken van topologische data-analyse (TDA).

Kerninzicht

De auteurs observeren dat zeldzame gebeurtenissen duidelijke topologische vingerafdrukken achterlaten. Wanneer een tijdreeks wordt ingebed in een sliding-window puntenwolk, onthult de evolutie van de Betti-getallen ($\beta_0, \beta_1, \beta_2$) karakteristieke transities (bijv. veranderingen in verbonden componenten, lussen of holtes) die stabieler en onderscheidender zijn dan statistische momenten. Deze transities gaan vaak vooraf aan of vallen samen met statistische schokken.

Architectuur en Componenten

PHINN integreert vier belangrijke technische modules:

• Topological Fingerprinting Engine:

  • Converteert tijdreeksen naar sliding-window puntenwolken met behulp van Takens' embedding.
  • Berekent persistente homologie (Vietoris–Rips filtratie) om Betti-curves $\beta(t) = (\beta_0(t), \beta_1(t), \beta_2(t), \chi(t))$ te extraheren.
  • Implementeert dynamische venstergrootte, waarbij de vensterbreedte krimpt tijdens perioden van hoge volatiliteit en uitzet tijdens rustige perioden, adapterend aan de lokale totale variatie.
  • Updates worden efficiënt afgehandeld via union-find structuren, wat een lage latentie ($\le 98$ ms) op streaming data bereikt.

• Differentiabele Topologische Loss:

  • Om topologische consistentie tijdens de training af te dwingen, gebruikt het model een Persistence Landscape Loss ($L_{topo}$).
  • Deze loss werkt op $H_1$ en $H_2$ homologiegroepen (ter uitbreiding van eerdere $H_1$-only werk) met behulp van gesmoothde Gaussian-kernel benaderingen om differentieerbaarheid te garanderen.
  • De totale objectieve functie combineert Rectified Flow Matching loss ($L_{RM}$), topologische loss en statistische moment matching ($L_{stat}$).

• Topology-Conditioned Flow Matching:

  • Het model maakt gebruik van een rectified flow ODE waarbij het snelheidsveld $v_\theta$ wordt geconditioneerd op de doel Betti-curve.
  • Een Transformer encoder verwerkt de Betti-curve (met positional encoding) om een conditioneringsvector $c$ te genereren, die via cross-attention wordt geïntegreerd.
  • Inference is deterministisch en snel ($<500$ ms).

• Multivariaat en Cross-Domain Extensies:

  • Joint Topology: Voor multi-modale data construeert PHINN een gezamenlijke puntenwolk uit heterogene sensoren en past joint Vietoris–Rips filtraties toe om topologische verstrengeling tussen modaliteiten te detecteren.
  • LLM Interface: Een gefinetuned LLM (Mistral-7B) vertaalt natuurlijke taal scenariobeschrijvingen naar specifieke Betti-curve conditioneringstargets.
  • Meta-Learning: Gebruikt MAML-stijl training om 1-shot fine-tuning over heterogene zeldzame-gebeurtenis corpora mogelijk te maken.
  • Retrieval-Augmented Generation: Een topologische geheugenbank maakt few-shot generatie mogelijk door vergelijkbare Betti-curves op te halen en deze te mengen met de query.

• Robuustheid:
  Het framework bevat gecertificeerde adversariële robuustheid:

• Type-I: Formele $\ell_\infty$ certificaten gebaseerd op de stabiliteit van persistentie diagrammen onder begrensde ruis.

• Type-II: Een empirisch mechanisme om structureel coherente adversariële injecties te detecteren door ruwe statistieken te vergelijken met de verwachte topologische consistentie.

3. Belangrijkste Bijdragen

Het artikel claimt de volgende specifieke bijdragen:

1. Dynamische Betti-Curve Conditionering: Het eerste gebruik van tijdvariërende Betti-curves als continue conditioneringssignalen voor tijdreeksgeneratie, voorzien van volatiliteit-adaptieve venstergrootte.
2. Differentiabele Hogere-Orde Homologie Loss: Een persistence landscape formulering die topologische losses uitbreidt naar $H_1$ en $H_2$, wat end-to-end training mogelijk maakt.
3. Topology-Conditioned Flow Matching: Een rectified flow ODE architectuur met Betti cross-attention, die sub-seconde inference bereikt.
4. Multivariaat Joint Topology: Een methode voor joint Vietoris–Rips filtraties op product-puntenwolken om cross-modale topologische koppeling te vangen.
5. Natuurlijke Taal Interface: Een geleerde vertaal-laag die de intentie van de praktijkgebruiker (natuurlijke taal) naar Betti-curve targets mapt.
6. Cross-Domain Meta-Learning: Gedemonstreerde 1-shot fine-tuning capaciteiten met 5$\times$ dataefficiëntie over diverse domeinen.
7. Gecertificeerde Robuustheid: Formele garanties voor persistentie diagram stabiliteit en empirische detectie van structurele adversariële aanvallen.
8. Topological Scenario Atlas: Een gevalideerd woordenboek dat specifieke Betti-transities (bijv. $\beta_0: 1 \to 3$) koppelt aan operationele beslissingstriggers.

4. Experimentele Resultaten

De auteurs evalueerden PHINN op financiële crises, epidemiologische data en multi-modale tijdreeksen (157 gelabelde zeldzame gebeurtenissen).

• Topologische Getrouwheid: PHINN presteerde significant beter dan statistische en diffusie-gebaseerde baselines (inclusief FIDE, EFDiff, en FM-TS).
  • $\beta$-RMSE: Verminderd met 41–63% vergeleken met baselines.
  • Transition Accuracy: Verhoogd met 84%.
• Statistische Getrouwheid: PHINN kwam overeen met practitioner-grade jump-diffusion modellen in tail coverage (ECov95) terwijl het aanzienlijk superieur was in structurele vormgetrouwheid.
• Ablatie: De onconditionele versie van PHINN (PHINN-Uncond) presteerde statistisch ononderscheidbaar van standaard flow matching (FM-TS), wat bevestigt dat de prestatiewinsten worden gedreven door topologische conditionering in plaats van architecturale capaciteit.
• Operationele Waarde: In een beslissing-studie met domeinexperts leidden door PHINN gegenereerde scenario's tot hogere Decision Change Rates (DCR) vergeleken met door mensen gegenereerde of FIDE scenario's, wat wijst op een betere afstemming op contingency planning behoeften.
• Robuustheid: Het systeem behaalde 84% recall bij het detecteren van structurele adversariële aanvallen bij een 1% false alarm rate.

5. Betekenis en Claims

Het artikel positioneert PHINN als een nieuw snijvlak van topology-conditioned generation, flow matching, en zeldzame-gebeurtenis tijdreeks synthese.

• Nieuwigheid: De auteurs claimen dat geen enkel eerder werk dynamische Betti-curve conditionering met flow matching heeft gecombineerd voor outlier synthese. Hoewel topology-conditioned modellen bestaan voor statische data (3D-vormen, 2D-maskers), is PHINN de eerste die dit toepast op dynamische tijdreeksen.
• Interpreteerbaarheid: Door Betti-getallen te gebruiken, biedt het model een interpreteerbare geometrische structuur voor zeldzame gebeurtenissen, wat de kloof overbrugt tussen abstracte kernel embeddings en actiegerichte scenario-generatie.
• Praktisch Nut: De "Topological Scenario Atlas" biedt een gevalideerde mapping tussen topologische transities en operationele beslissingen (bijv. "Activeer dual-source protocol" bij $\beta_0: 1 \to 3$), wat verder gaat dan louter statistische simulatie naar structureel getrouwe scenario-planning.

De auteurs concluderen dat PHINN een robuust, interpreteerbaar en efficiënt framework biedt voor het genereren van plausibele, structureel accurate zeldzame-gebeurtenis scenario's, waarmee een kritieke kloof in risicobeheer en contingency planning wordt gedicht.