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

Resumo Técnico: Governança de Multiagentes com Validação por Portões para Adaptação Online de Modelos Substitutos Termo-Hidráulicos

Declaração do Problema
A previsão termo-hidráulica (TH) em tempo real é crítica para o suporte à operação experimental, monitoramento de gêmeos digitais e avaliação de segurança passiva. Embora códigos de sistema de alta fidelidade sejam computacionalmente caros demais para previsões de segundo a segundo, os substitutos de Inteligência Artificial (IA) oferecem alternativas de baixa latência. No entanto, uma limitação significativa existe: os substitutos são tipicamente treinados, validados e congelados offline dentro de um envelope de pré-treinamento específico. Quando implantados em instalações onde os regimes operacionais mudam (por exemplo, devido a mudanças nas vias de remoção de calor passivo ou ajustes de políticas de controle), esses modelos "travados por condição" podem produzir trajetórias fisicamente imprecisas, apesar de saídas suaves.

Abordagens existentes de aprendizagem contínua enfrentam um dilema de estabilidade–plasticidade. A aprendizagem online agressiva corre o risco de amplificar falhas de sensores, sofrer sobreajuste (overfitting) a janelas recentes e induzir o esquecimento catastrófico de regimes anteriores. Por outro lado, regras determinísticas conservadoras (limiares, períodos de resfriamento, reversão) restringem as mudanças do modelo, mas carecem da capacidade de raciocínio para diagnosticar por que os erros ocorrem, selecionar famílias de modelos apropriadas para adaptação ou vetar melhorias de curto prazo que mascaram comportamentos de risco de cauda (tail-risk). O artigo aborda a lacuna de como integrar o raciocínio baseado em agentes na evolução de modelos relevantes para a segurança sem conceder aos agentes o controle direto sobre o controlador em tempo real.

Metodologia
O estudo propõe uma estrutura de adaptação contínua guardada que separa o caminho de serviço em tempo real do caminho de adaptação. O sistema emprega uma arquitetura "campeão–desafiante" (champion–challenger), onde apenas um modelo "campeão" validado fornece previsões, enquanto os "desafiantes" são treinados e avaliados em segundo plano.

1. Estrutura de Governança de Multiagentes:
   A estrutura utiliza cinco agentes com funções separadas para apoiar a tomada de decisão dentro de um envelope de segurança determinístico:

   • Monitor: Resume erros rotativos, sequências de avisos, comportamento de clipping e canais de erro dominantes.
   • Diagnóstico: Mapeia assinaturas de erro para hipóteses sobre obsolescência do modelo ou mudanças de acoplamento.
   • Adaptação: Propõe ajuste fino limitado, atualização de desafiante ou ações de retenção (hold).
   • Auditor de Segurança: Verifica se as atualizações propostas violam portões rígidos ou introduzem regressão de risco de cauda.
   • Orquestrador: Consolida as entradas em uma recomendação final.
   • Crucialmente, estes agentes fornecem recomendações e vetos, mas os portões de validação determinísticos retêm a autoridade final sobre a substituição do modelo.

2. Triagem Offline e Campeão Inicial:
   Sete famílias de substitutos (LSTM, GRU, Transformer, neural ODE, GNN, DeepONet e Temporal Fourier Neural Operator) foram triadas usando validação cruzada de três blocos em dados offline (operação normal, redução de potência e blackout de estação). O Temporal Fourier Neural Operator (Temporal-FNO) foi selecionado como o campeão inicial devido ao menor Erro Médio Absoluto (MAE) de validação cruzada.

3. Implantação em Fluxo (Streaming) e Portões de Segurança:
   O sistema foi implantado em dois transientes não utilizados no treinamento: uma configuração de inserção de tubo térmico (alterando a remoção de calor passivo) e um transiente operacional separado com um cronograma inédito. O loop de adaptação inclui:

   • Portões Determinísticos: Limiares de aviso/críticos, períodos de resfriamento (cooldown), clipping de previsão contra limites físicos e ajuste fino limitado com mistura de pesos (weight blending).
   • Critérios de Promoção: Um desafiante é promovido apenas se melhorar o erro médio sem degradar a excedência, o risco de cauda ou o comportamento de clipping.
   • Reversão (Rollback): Acionada por previsões não finitas ou clipping excessivo.

4. Modos Experimentais:
   Sete modos operacionais foram comparados para isolar as contribuições de diferentes componentes:

   • Estático: Campeão offline congelado.
   • Regra-H: Regras de adaptação determinísticas sem agentes.
   • Sombra (Shadow): Atualização periódica em segundo plano das principais famílias sem revisão por agente.
   • Único-H/Completo: Planejamento de agente único (seletivo ou frequente).
   • MA-H/Completo: Governança de multiagentes com papéis separados (seletivo ou por etapas).

Principais Resultados
O estudo avaliou o desempenho através de seis unidades estatísticas pareadas (duas divisões de fluxo × três sementes) usando intervalos de confiança de bootstrap de 95%.

• Desempenho Estático: O campeão Temporal-FNO congelado apresentou um MAE médio por canal de 7,06 com uma razão de excedência de aviso de 56,8%, confirmando o problema de travamento por condição em regimes deslocados.
• Adaptação Baseada em Regras: O modo Regra-H reduziu o MAE para 6,54 (melhoria de 7,3%) usando apenas portões determinísticos, estabelecendo uma linha de base para implantação adaptativa.
• Aprendizagem de Sombra (Shadow): A atualização em segundo plano sozinha (Shadow) mostrou melhoria mínima (MAE 6,96), indicando que gerar desafiantes sem governança é insuficiente.
• Governança de Multiagentes: O modo MA-Full (revisão de multiagentes por etapas) alcançou o melhor desempenho com um MAE de 5,72 e uma razão de excedência de aviso de 35,8%. Isso representa uma melhoria de 19,0% sobre o modo Estático.
• Significância Estatística: Os intervalos de bootstrap pareados para MA-Full versus Estático excluíram o zero tanto para MAE quanto para excedência, indicando uma redução estatisticamente significativa no erro. No entanto, os intervalos entre os outros modos adaptativos se sobrepuseram, impedindo um ranking definitivo entre eles.
• Evolução do Modelo: No modo MA-Full, o sistema conseguiu transicionar o modelo de serviço do Temporal-FNO inicial para os desafiantes Transformer e, posteriormente, para Redes Neurais de Grafos (GNN). Essas transições foram impulsionadas por evidências condicionadas ao fluxo (ex: memória térmica atrasada e acoplamento hidráulico) em vez de preferência arbitrária.
• Esquecimento Catastrófico: O teste retrospectivo (back-testing) nas janelas originais de pré-treinamento offline mostrou que os modelos adaptados mantiveram o desempenho no domínio original (o MAE diminuiu de 2,91 para 1,96), indicando que as atualizações baseadas em repetição não causaram esquecimento catastrófico.

Significância e Alegações
O artigo alega que a adaptação validada e controlada por portões pode suportar a evolução de substitutos auditáveis em contextos relevantes para a segurança. A principal contribuição é demonstrar que a governança de multiagentes, quando limitada por portões de segurança determinísticos, pode guiar efetivamente a evolução contínua de substitutos sem atuar como o controlador em tempo real.

• Governança vs. Controle: O estudo enfatiza que os agentes servem como uma camada de governança para diagnosticar assinaturas de erro, priorizar famílias candidatas e revisar promoções arriscadas, enquanto os portões determinísticos retêm a autoridade de implantação.
• Adaptabilidade: Os resultados indicam que nenhuma arquitetura offline única é suficiente para todos os regimes operacionais. A capacidade de migrar de uma arquitetia Temporal-FNO para arquiteturas Transformer e GNN com base em evidências em tempo real permite que o sistema se adapte a mudanças na inércia térmica e redistribuição de fluxo.
• Escopo Modesto: Os autores explicitamente mencionam limitações, incluindo o pequeno número de unidades estatísticas pareadas (seis) e o fato de que o estudo não estabelece superioridade universal para todos os possíveis regimes operacionais. Os achados são específicos para a instalação experimental e transientes testados. O artigo não pretende resolver todos os desafios de aprendizagem contínua, mas demonstra uma abordagem específica e guardada que equilibra adaptabilidade com restrições de segurança.

Em conclusão, o estudo valida um framework onde agentes com funções separadas e portões determinísticos trabalham em conjunto para manter a precisão do modelo substituto durante mudanças de regime operacional, oferecendo um caminho para gêmeos digitais mais robustos em sistemas termo-hidráulicos nucleares.