🤖 machine learning

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

SPLICE é uma estrutura modular que combina difusão latente sobre embeddings JEPA com Inferência Conformal Adaptativa para alcançar precisão de imputação de séries temporais no estado da arte e garantias de confiabilidade livres de distribuição e de amostra finita para aplicações críticas em sistemas de energia.

Autores originais: Arnaud Zinflou

Publicado 2026-05-04

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Arnaud Zinflou

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ouvir uma música favorita, mas um pedaço da gravação está faltando. Talvez a fita tenha sido mastigada, ou o Wi-Fi tenha caído por alguns dias. Você precisa preencher essa parte faltante para que a música toque sem interrupções, mas também precisa saber: Quão certos estamos de que o que preenchemos é realmente o que estava lá?

Este artigo apresenta o SPLICE, uma nova ferramenta projetada para corrigir trechos faltantes de dados de eletricidade (como notas faltantes de uma música), ao mesmo tempo em que fornece uma "pontuação de confiança" para a correção. Veja como funciona, dividido em partes simples:

1. O Problema: O "Chiado" nos Dados

As redes elétricas precisam saber exatamente quanto de eletricidade está sendo consumido a cada hora para manter as luzes acesas. Mas, às vezes, sensores quebram, cabos são cortados ou computadores travam, deixando grandes lacunas nos dados (às vezes faltando por 91 dias seguidos!).

Métodos antigos tentavam preencher essas lacunas apenas traçando uma linha suave entre os pontos "antes" e "depois". É como adivinhar as letras faltantes de uma música apenas cantando a melodia entre as palavras conhecidas. Parece aceitável, mas perde o ritmo complexo e os detalhes necessários para operar uma rede elétrica com segurança.

Métodos mais recentes de IA conseguem adivinhar os detalhes faltantes melhor, mas são como um artista confiante que adivinha as letras perfeitamente, mas se recusa a admitir: "Eu posso estar errado". Em uma rede elétrica, estar errado sem saber pode ser perigoso.

2. A Solução: SPLICE (O Arquiteto "Sonhador")

Os autores construíram um sistema chamado SPLICE que age como um arquiteto altamente treinado que não apenas adivinha; ele "imagina" como o edifício faltante deveria parecer com base no bairro ao redor.

Veja o processo passo a passo:

Passo 1: O Tradutor (Codificador JEPA)
Imagine que os dados de eletricidade são uma linguagem complexa. A primeira parte do SPLICE é um tradutor que pega um dia inteiro de consumo de eletricidade e o comprime em uma pequena "nota de resumo" de 64 números. Ele aprende a vibe do dia (é uma terça-feira de verão quente? um fim de semana tranquilo de inverno?) sem se perder em cada detalhe individual. Isso é baseado em um conceito chamado JEPA (Arquitetura de Incorporação Conjunta Preditiva), que é como ensinar um computador a entender a "história" dos dados, em vez de apenas memorizar os números.
Passo 2: O Construtor de Pontes (Ponte Latente Condicional)
Uma vez que o sistema tem as "notas de resumo" para os dias antes e depois da lacuna, ele precisa construir uma ponte sobre os dias faltantes.
- A Ponte Determinística: Esta é a "aposta segura". Ela constrói o caminho mais provável através da lacuna, como traçar a linha mais reta entre dois pontos.
- A Ponte Criativa (Correspondência de Fluxo): Esta é a parte "sonhadora". Em vez de apenas traçar uma linha, ela gera muitos caminhos possíveis que o consumo de eletricidade poderia ter seguido. É como imaginar dez versões diferentes das letras faltantes da música. O artigo encontrou uma maneira nova e mais rápida de fazer isso (chamada de Correspondência de Fluxo) que é 5 a 10 vezes mais rápida que os métodos antigos, mas tão precisa quanto.
Passo 3: O Tradutor de Volta (Decodificador)
O sistema pega essas "notas de resumo" e a "ponte" que construiu e as traduz de volta em números reais de eletricidade hora a hora. Crucialmente, ele olha para o clima e o calendário (está chovendo? é feriado?) para garantir que a suposição faça sentido para aquele momento específico.

3. A Rede de Segurança: ACI (A "Faixa de Confiança")

Esta é a inovação mais importante. Mesmo a melhor suposição pode estar errada.

Antigo Método: O sistema lhe dava um único número e dizia: "Este são os dados faltantes."
Método do SPLICE: Ele envolve a resposta em uma faixa de segurança. Ele diz: "Achamos que os dados faltantes estão aqui, mas temos 95% de certeza de que estão em algum lugar dentro desta faixa ampla."

O sistema usa uma técnica chamada Inferência Conformal Adaptativa (ACI). Pense nisso como um termostato de autocorreção.

Se o sistema começar a adivinhar de forma muito estreita e perder os dados reais, a ACI amplia automaticamente a faixa de segurança.
Se estiver sendo muito cauteloso e a faixa for enorme, ela a estreita.
Ela faz isso em tempo real, aprendendo com seus erros à medida que avança, garantindo que, a longo prazo, os dados reais caiam dentro da faixa 93–95% das vezes.

4. Os Resultados: Suposições Melhores, Mais Rápidas e Mais Seguras

Os autores testaram isso em 13 conjuntos de dados de eletricidade diferentes (de casas, fábricas e cidades).

Precisão: O SPLICE fez as suposições mais precisas de dados faltantes em comparação com cinco outros métodos de ponta. Ele venceu em 9 dos 12 conjuntos de dados.
Velocidade: Ao usar o novo método de "Correspondência de Fluxo", preencheu 91 dias de dados faltantes em apenas alguns milissegundos, o que é 5 a 10 vezes mais rápido que os melhores métodos anteriores.
Confiabilidade: Ele corrigiu o problema de "subcobertura". Métodos antigos frequentemente afirmavam ter 95% de confiança, mas estavam corretos apenas 86% das vezes. O SPLICE corrigiu isso, atingindo consistentemente a meta de 93–95%.

5. O Truque "Tamanho Único"

Finalmente, o artigo mostrou que o "Tradutor" (a parte que entende os dados) poderia ser treinado em nove cidades diferentes e depois usado em quatro novas cidades que nunca tinha visto antes. Funcionou quase tão bem quanto se tivesse sido treinado especificamente nessas novas cidades. Isso significa que o sistema é flexível e pode ser implantado rapidamente sem precisar re-treinar tudo do zero.

Em resumo: O SPLICE é uma ferramenta inteligente, rápida e honesta. Não apenas preenche as lacunas de dados de eletricidade faltantes; ele imagina os cenários mais prováveis, faz isso incrivelmente rápido e coloca uma rede de segurança ao redor de suas respostas para que os engenheiros saibam exatamente o quanto podem confiar no resultado.

1. Formulação do Problema

O artigo aborda o desafio crítico da imputação de séries temporais de longo horizonte em sistemas de energia, especificamente para reconstruir dados de carga elétrica ausentes devido a falhas de sensores ou interrupções de comunicação.

A Lacuna: Modelos generativos profundos existentes (por exemplo, modelos de difusão, VAEs) alcançam alta precisão de reconstrução, mas carecem de garantias de confiabilidade em amostras finitas. Em infraestruturas críticas para a segurança, como redes elétricas, estimativas pontuais sem quantificação de incerteza são insuficientes para despacho e planejamento.
O Desafio: A interpolação tradicional falha em capturar estruturas temporais de alta granularidade, enquanto métodos padrão de previsão conformal frequentemente falham sob mudanças de distribuição não estacionárias (por exemplo, mudanças sazonais, mudanças de regimes climáticos) porque assumem a trocabilidade dos dados.
Objetivo: Desenvolver um framework que forneça reconstrução de alta fidelidade de dados ausentes (até 91 dias) enquanto oferece intervalos de previsão adaptativos e livres de distribuição com garantias rigorosas de cobertura.

2. Metodologia: O Framework SPLICE

SPLICE (Self-supervised Predictive Latent Inpainting with Conformal Envelopes) é um pipeline modular de quatro estágios:

A. Codificador JEPA (Aprendizado de Representação)

Arquitetura: Utiliza uma Arquitetura de Embedding Preditivo Conjunta (JEPA) para mapear segmentos multivariados diários (carga, clima, calendário) em um espaço latente compacto de 64 dimensões.
Mecanismo: Um Transformer mascarado prevê o embedding latente de dias mascarados com base no contexto observado.
Objetivo de Treinamento: Combina perda de previsão por cosseno com regularização estilo VICReg (restrições de variância e covariância) para evitar o colapso de embeddings e garantir a dispersão de informações.
Vantagem: Diferentemente dos VAEs, o JEPA aprende um espaço latente estruturado que preserva a dinâmica temporal sem o efeito de "borramento" das perdas de reconstrução, tornando-o ideal para geração de longo horizonte.

B. Ponte Latente Condicional (Geração de Trajetória)

Função: Gera trajetórias candidatas para a lacuna ausente dentro do espaço latente do JEPA.
Modos: Suporta quatro níveis de estocasticidade:
1. Determinístico: Previsão direta (menor MSE).
2. Perturbado por Ruído: Adiciona ruído gaussiano à saída determinística para criar um ensemble para quantificação de incerteza.
3. Generativo (DDIM): Amostragem de difusão padrão.
4. Generativo (Flow Matching): O backend preferido. Aprende um campo de velocidade para transportar amostras ao longo de caminhos ODE retos.
Eficiência: A variante Flow Matching alcança qualidade comparável ao DDIM em 5–10 passos de Euler, oferecendo um aceleração de 5–10× sobre o amostrador DDIM de 50 passos.

C. Decodificador Condicionado por Hora

Função: Mapeia as trajetórias latentes geradas de volta ao espaço de sinal (carga horária).
Inovação: Diferentemente dos decodificadores padrão, ele é condicionado a covariáveis horárias (clima, calendário) durante a lacuna. Isso permite que o modelo "saiba" os fatores externos (por exemplo, temperatura) para os dias ausentes, fechando a lacuna de informação entre os espaços latente e de observação.
Treinamento: Utiliza uma perda MSE ponderada pela Carga (peso 5× na carga) e aumento de ruído para melhorar a robustez.

D. Inferência Conformal Adaptativa (ACI)

Problema: A Previsão Conformal Padrão (CQR) assume trocabilidade, o que é violado em séries temporais.
Solução: O SPLICE envolve a saída generativa com Inferência Conformal Adaptativa (ACI).
Mecanismo: A ACI mantém um nível de não-cobertura em execução ( $\alpha_t$ ) que atualiza online com base nos erros observados:
$\alpha_{t+1} = \alpha_t + \gamma(\alpha - \text{err}_t)$
Garantia: Isso garante cobertura de longo prazo (por exemplo, 95%) mesmo sob mudanças de distribuição, auto-corrigindo-se sem recalibração manual.

3. Contribuições Principais

Pipeline Latente Modular: Uma arquitetura inovadora que acopla aprendizado de representação JEPA com uma ponte latente condicional e um decodificador condicionado por hora.
Eficiência do Flow Matching: Demonstra que o Flow Matching no espaço latente do JEPA fornece um aceleração de inferência de 5–10× sobre o DDIM com qualidade comparável ou superior.
Incerteza Livre de Distribuição: Primeiro trabalho a envolver um pipeline de imputação generativa profunda com ACI, corrigindo falhas de sub-cobertura de até 7,5 pontos percentuais em ambientes não estacionários.
Aprendizado por Transferência: Mostra que um único codificador JEPA agrupado treinado em nove domínios diversos pode ser transferido para quatro domínios não vistos com ajuste fino mínimo (apenas a ponte e o decodificador), igualando ou superando oráculos por conjunto de dados.

4. Resultados Experimentais

Avaliado em 13 conjuntos de dados (9 feeds de utilitários proprietários, 3 UCI Electricity, 1 ETTh1) com lacunas de 91 dias:

Precisão:
- Alcançou o menor MSE apenas de Carga (0,056), superando bases fortes como SAITS (0,064), BRITS (0,068) e CSDI (0,252).
- Venceu em 9/12 conjuntos de dados não degenerados contra bases externas.
- O Flow Matching reduziu o MSE em 8,7% comparado ao DDIM enquanto usava 10× menos passos.
Calibração de Incerteza:
- A ACI alcançou cobertura empírica de 93–95% em todos os conjuntos de dados, corrigindo com sucesso a sub-cobertura em conjuntos de dados voláteis (por exemplo, RIInd1014 melhorou de 86% para 93,5%).
- CRPS (Continuous Ranked Probability Score): O ensemble perturbado por ruído alcançou o melhor CRPS (0,161), uma melhoria de 18,3% sobre a base determinística mais forte (SAITS).
Transferibilidade:
- Um codificador agrupado ajustado finamente apenas na ponte/decodificador igualou ou superou oráculos por conjunto de dados em 3 de 4 domínios mantidos de fora.
Estudos de Ablação:
- Os embeddings JEPA reduziram o MSE em 53,2% comparado ao JEPA-only e 25,1% comparado a uma base legada VAE+Bridge.
- O decodificador aprimorado (perda ponderada pela Carga + aumento de ruído) contribuiu com uma redução adicional de 9,3% no MSE.

5. Significado e Impacto

Confiabilidade da Rede: Fornece aos operadores de rede elétrica não apenas valores imputados, mas intervalos de confiança estatisticamente garantidos, cruciais para prevenir sub-provisionamento ou eventos de resposta à demanda perdidos.
Escalabilidade e Eficiência: O backend Flow Matching torna a imputação de longo horizonte computacionalmente viável para aplicações em tempo real ou quase em tempo real.
Generalização: A abordagem de codificador agrupado sugere um caminho para modelos fundamentais universais de séries temporais, reduzindo o custo de treinar novos modelos para cada novo sensor ou região.
Avance Metodológico: Conecta com sucesso a lacuna entre modelagem generativa (para reconstrução de alta fidelidade) e previsão conformal (para incerteza rigorosa), abordando uma limitação majoritária na gestão atual de infraestrutura impulsionada por IA.

Em conclusão, o SPLICE representa um passo significativo para a frente na imputação de séries temporais ao combinar o poder representacional do JEPA, a eficiência do Flow Matching e o rigor estatístico da Inferência Conformal Adaptativa para resolver um problema crítico em sistemas de energia.