DeMa: Dual-Path Mamba revolutioniert effiziente Analyse multivariater Zeitreihen

Die Analyse multivariater Zeitreihen (MTS) wird in immer mehr intelligenten Anwendungen unverzichtbar. Während Transformer‑Modelle bislang die führende Architektur waren, sind sie wegen ihrer quadratischen Rechenkomplexität und hohen Speicheranforderungen für lange und groß angelegte MTS‑Modelle kaum praktikabel. Mamba hat sich als vielversprechende lineare Alternative etabliert, doch die direkte Anwendung von Mamba auf MTS stößt an mehrere Grenzen.

Vanilla‑Mamba fehlt die explizite Modellierung von Wechselwirkungen zwischen den Variablen, es ist schwierig, die intra‑seriellen zeitlichen Dynamiken von den inter‑seriellen Interaktionen zu trennen, und die latenten Zeit‑Verzögerungseffekte werden nicht ausreichend erfasst. Diese Schwächen limitieren die Effektivität von Mamba in vielfältigen MTS‑Aufgaben.

DeMa – ein Dual‑Path, delay‑aware Mamba‑Backbone – adressiert diese Probleme gezielt. Der Ansatz zerlegt die MTS in intra‑serielle Dynamiken und inter‑serielle Interaktionen. Auf der temporalen Spur wird ein Mamba‑SSD‑Modul eingesetzt, das langreichweitige Dynamiken innerhalb jeder einzelnen Serie erfasst und dabei serienunabhängig und parallel berechnet werden kann. Auf der Variablen‑Spur sorgt ein Mamba‑DALA‑Modul für die explizite Modellierung von Variablenwechselwirkungen und Zeit‑Verzögerungen. Damit behält DeMa die lineare Komplexität von Mamba bei, verbessert aber deutlich die Eignung für MTS‑Umgebungen.

Durch die Kombination aus linearer Skalierbarkeit, paralleler Verarbeitung und gezielter Modellierung von Inter‑ und Intra‑Serienbeziehungen bietet DeMa eine robuste und effiziente Lösung für die Analyse großer, langfristiger multivariater Zeitreihen. Die vorgestellte Architektur eröffnet neue Möglichkeiten für die praktische Umsetzung von MTS‑Modellen in anspruchsvollen, datenintensiven Anwendungen.