PaCoDi: Parallel Complex Diffusion revolutioniert Zeitreihen-Generierung

In einer bahnbrechenden Veröffentlichung auf arXiv präsentiert das Forschungsteam die Methode PaCoDi, die die Generation von Zeitreihen neu definiert. Durch die Nutzung der Fourier‑Transformation als Diagonaloperator werden lokale Abhängigkeiten in globale Spektralkomponenten zerlegt, wodurch die Modellierung im Frequenzbereich deutlich effizienter wird.

PaCoDi löst das klassische Problem der hohen Rechenkosten bei Attention‑Mechanismen, die bei herkömmlichen Diffusionsmodellen einen quadratischen Aufwand von \(\mathcal{O}(L^2)\) verursachen. Durch die Exploitation der Hermitischen Symmetrie realer Signale kann die Sequenzlänge halbiert werden, was zu einer 50 %igen Reduktion der FLOPs führt – ohne Informationsverlust.

Die Autoren untermauern ihre Architektur mit einer Mean‑Field‑Theory‑Annäherung und einem interaktiven Korrekturmechanismus, der die Diskrepanz zwischen theoretischer Modellierung und realen Daten ausgleicht. Darüber hinaus wird die diskrete Diffusionsformel auf kontinuierliche Zeit-Frequenz‑SDEs erweitert, wobei ein Spectral‑Wiener‑Prozess die Grenzverhalten des spektralen Brownian‑Motion beschreibt.

Ein weiterer Highlight ist die Einführung eines heteroskedastischen Verlustes, der die anisotrope Rauschverteilung auf dem komprimierten Spektrum adressiert. Umfangreiche Experimente belegen, dass PaCoDi nicht nur die Rechenleistung verbessert, sondern auch die Qualität der generierten Zeitreihen signifikant steigert.