SPLICE：JEPA埋め込み上での潜在拡散による等角的時系列インペインティング

Abstract

時系列補完のための生成モデルは強い再構成精度を達成する一方で、有限サンプルにおける信頼性の保証は提供しません。これは、補完値が運用（ディスパッチ）や計画に用いられる電力システムにおいて重大な制約です。私たちは、SPLICE（Conformal Envelopes による自己教師あり予測潜在インペインティング）を提案します。これは、潜在生成による補完と、分布に依存しないオンライン適応型の予測区間を結合するモジュール型フレームワークです。JEPA エンコーダは、日次の負荷区間を 64 次元の潜在空間へ写像します。4 つのサンプリングモードを備えた条件付き潜在ブリッジが、ギャップの候補となる軌跡を生成します。時間ごとに条件付けされたデコーダが信号空間へ復元します。そして、適応型コンフォーマル推論（ACI）が、出力をカバレッジが保証された予測帯として包み込みます。フローマッチングの変種は、5～10 ODE ステップ（5～10 倍の高速化）で DDIM と同等の品質を達成します。13 個の負荷データセット（9 つの非公開、3 つの UCI Electricity、ETTh1）において、SPLICE は最も低い Load-only MSE（0.056）を達成し、91 日ギャップでは 12 の非退化データセット中 9 で勝利し、さらに全てのギャップ長では 5 つの既存ベースラインに対して 32 中 18 で勝利します。また、最良の CRPS（0.161、最強の競合に対して -18.3%）を生成します。ACI は 93～95% の経験的カバレッジを提供し、静的コンフォーマル予測で観測された最大 7.5 pp のアンダーカバレッジ失敗を修正します。9 フィードで学習したプーリング JEPA エンコーダは、4 つの未見領域へ転移し、短いブリッジのファインチューニングのみで、データセットごとのオラクルに匹敵またはそれを上回ります。