Resumo Técnico: Predição Conformal Baseada em Perturbação para Aprendizado de Operadores em Regimes de Escassez de Dados

1. Formulação do Problema

O artigo aborda o desafio da Quantificação de Incerteza (UQ) para operadores neurais que aprendem as equações de Navier–Stokes incompressíveis 2D. Embora os operadores neurais (ex: Fourier Neural Operators, FNO) forneçam substitutos eficientes para solvers de EDP custosos, suas predições pontuais carecem de estimativas de incerteza calibradas para campos espaciotemporais. Isso é crítico em contextos de segurança ou tomada de decisão, onde os erros variam através do espaço e do tempo.

O problema específico é formulado como o aprendizado de um operador de solução $G: \mathbf{a} \to \mathbf{u}$, mapeando um histórico de campos de vorticidade de entrada $\mathbf{a}$ para uma trajetória futura $\mathbf{u}$. O objetivo é construir um conjunto de predição $C(\mathbf{a})$ que satisfaça a cobertura simultânea sobre toda a grade espaciotemporal com uma probabilidade de pelo menos $1-\alpha$:
$$P(\mathbf{u}_{new} \in C(\mathbf{a}_{new})) \geq 1 - \alpha$$
Os autores focam no regime de escassez de dados, onde o orçamento total de rótulos é fixo. Neste cenário, métodos que exigem redes de incerteza separadas (como o UQNO) devem particionar os dados limitados entre um modelo preditivo e um modelo de incerteza auxiliar, o que pode reduzir o desempenho de ambos.

2. Metodologia: Pontuação de Não Conformidade Baseada em Perturbação

O framework proposto envolve um operador neural treinado com Predição Conformal Dividida (Split Conformal Prediction - CP). A inovação central reside na construção de uma pontuação de não conformidade baseada em perturbação que gera uma escala de incerteza adaptativa e espacialmente variante sem a necessidade de uma rede de incerteza separada ou divisões de dados disjuntas.

2.1 Mecanismo Central

O método baseia-se no princípio de que a sensibilidade de um operador aprendido a pequenas perturbações nos rótulos de treinamento correlaciona-se com a incerteza preditiva.

1. Treinamento Duplo: Dois operadores neurais com arquiteturas idênticas são treinados no mesmo conjunto de treinamento adequado:
   • $\hat{G}$: Treinado nos rótulos originais $\mathbf{u}_i$.
   • $\hat{G}_\epsilon$: Treinado nos rótulos perturbados $\tilde{\mathbf{u}}_i = \mathbf{u}_i + \boldsymbol{\epsilon}_i$, onde $\boldsymbol{\epsilon}_i \sim \mathcal{N}(0, \sigma_\epsilon^2)$.
2. Desacordo Bruto: Para uma nova entrada $\mathbf{a}$, a medida de incerteza bruta na coordenada $k$ é a diferença absoluta pontual:
   $$d(\mathbf{a})_k = | \hat{G}(\mathbf{a})_k - \hat{G}_\epsilon(\mathbf{a})_k |$$
3. Estabilização: Para evitar instabilidade numérica (divisão por valores próximos de zero) e garantir robustez, o desacordo bruto passa por duas etapas:
   • Suavização Espacial: O mapa de desacordo é suavizado usando uma janela espacial $K \times K$ (ex: $15 \times 15$) para tirar a média do ruído local.
   • Estabilização de Piso (Floor Stabilization): Um piso dependente dos dados $\tau_0$ é imposto, definido como uma fração da mediana do desacordo no conjunto de treinamento. A escala final é $\sigma(\mathbf{a})_k = \max(\bar{d}(\mathbf{a})_k, \tau_0)$.
4. Pontuação de Não Conformidade: A pontuação de conformal para uma amostra de calibração é definida como o máximo do resíduo normalizado sobre todas as coordenadas de saída:
   $$S(\mathbf{a}, \mathbf{u}) = \max_k \frac{| u_k - \hat{G}(\mathbf{a})_k |}{\sigma(\mathbf{a})_k}$$
   Este tipo de pontuação "max" visa a cobertura simultânea em toda a grade.

2.2 Calibração e Predição

Usando o protocolo de conformal dividido, a pontuação $S$ é computada em um conjunto de calibração. O quantil $\hat{Q}_{1-\alpha}$ dessas pontuações determina a largura das bandas de predição. Para uma nova entrada, a banda de predição na coordenada $k$ é:
$$C(\mathbf{a})_k = \left[ \hat{G}(\mathbf{a})_k - \hat{Q}_{1-\alpha}\sigma(\mathbf{a})_k, \quad \hat{G}(\mathbf{a})_k + \hat{Q}_{1-\alpha}\sigma(\mathbf{a})_k \right]$$
Garantias teóricas asseguram que, sob permutabilidade (exchangeability), toda a trajetória é simultaneamente coberta com probabilidade $\geq 1-\alpha$.

3. Principais Contribuições

• Escala Baseada em Perturbação: Introdução de um método para derivar escalas de incerteza adaptativas diretamente do desacordo entre um modelo base e um modelo treinado em rótulos perturbados. Isso evita a necessidade de redes de incerteza auxiliares.
• Eficiência de Dados: A abordagem é especificamente desenhada para o regime de escassez de dados. Ao contrário de métodos como o UQNO, que dividem os dados de treinamento, o método de perturbação utiliza o conjunto de treinamento adequado completo para ambos os modelos (base e perturbado), maximizando a informação disponível para o aprendizado do operador.
• Cobertura Simultânea: O uso de uma pontuação de não conformidade do tipo "max" garante que as bandas de predição forneçam cobertura simultânea válida sobre toda a grade de saída espaciotemporal de alta dimensão, em vez de apenas cobertura marginal em pontos individuais.
• Técnicas de Estabilização: A inclusão de suavização espacial e estabilização de piso mostra-se crítica para a eficiência das bandas conformais, evitando a inflação das estimativas de incerteza devido a desacordos isolados próximos de zero.

4. Resultados Experimentais

Experimentos foram conduzidos em um benchmark de vorticidade de Navier–Stokes 2D (grade $64 \times 64$, 10 passos de tempo) com um orçamento total de rótulos fixo de 1200 trajetórias. O método proposto foi comparado contra:

• MC Dropout: Usando dropout na inferência para estimativa de variância.
• Aproximação de Laplace: Aproximação de última camada diagonal.
• UQNO: Uma rede de quantis auxiliar treinada em um subconjunto disjunto de dados.
• Unscaled (Sem Escala): Um baseline com bandas de largura constante ($\sigma \equiv 1$).

Descobertas:

• Eficiência: O método baseado em perturbação produziu bandas conformais substancialmente mais estreitas do que todos os baselines, mantendo a cobertura simultânea alvo.
  • Para $\alpha=0.04$, o método de perturbação alcançou um raio médio de 3.786, comparado a 4.192 (Unscaled), 4.403 (Laplace), 8.530 (MC Dropout) e 16.784 (UQNO).
  • A melhoria sobre o UQNO foi particularmente significativa (redução de raio de 77,4%), atribuída à penalidade de divisão de dados inerente ao treinamento de uma rede de incerteza separada.
• Estudos de Ablação:
  • Suavização Espacial: Crítica para o desempenho. Remover a suavização aumentou o raio médio de ~3.8 para ~83.6.
  • Estabilização de Piso: Menos crítica para a eficiência do que a suavização, mas necessária para a estabilidade; remover apenas este componente teve um efeito negligível no raio.
• Sensibilidade: O método é robusto à magnitude do ruído de perturbação ($c \in [0.02, 0.10]$), com a cobertura permanecendo próxima ao alvo nominal em toda essa faixa.
• Análise Qualitativa: As bandas de incerteza resultantes alargam-se corretamente em regiões fisicamente complexas (núcleos de vórtices, camadas de cisalhamento) e contraem-se em áreas laminares mais suaves, alinhando-se com a dificuldade esperada da tarefa de predição.

5. Significância e Alegações

O artigo alega que a sensibilidade à perturbação serve como um proxy prático e eficiente de amostras para incerteza em operadores neurais conformalizados. A principal significância reside no desacoplamento da calibração da incerteza do modelagem auxiliar. Ao aproveitar o desacordo entre dois modelos treinados em dados quase idênticos, o método alcança cobertura simultânea adaptativa sem sacrificar dados de treinamento para uma rede secundária.

Os autores posicionam isso como um mecanismo geral aplicável a problemas de regressão além de EDPs, desde que seja possível treinar dois modelos em dados quase idênticos. A abordagem oferece uma alternativa eficiente de dados para regressão conformalizada, particularmente valiosa quando os dados são limitados e o custo de treinar modelos auxiliares é proibitivo. Os resultados sugerem que, para aprendizado de operadores em regimes de escassez de dados, a escala baseada em perturbação supera os métodos adaptativos existentes (MC Dropout, Laplace, UQNO) em termos de estreitamento de banda, preservando garantias estatísticas rigorosas.