Physikbasierte Gegenfaktische Erklärungen verbessern Vorhersage von SEP-Events

Die präzise Vorhersage von Solar Energetic Particle (SEP)-Ereignissen ist entscheidend für den Schutz von Satelliten, Astronauten und weltraumgestützten Infrastrukturen. Durch moderne Weltraumwetterüberwachung entstehen enorme Mengen hochfrequenter, multivariater Zeitreihen (MVTS) – etwa von den Geostationary Operational Environmental Satellites (GOES). Machine‑Learning‑Modelle, die auf diesen Daten trainiert werden, zeigen starke Prognosekraft, vernachlässigen jedoch häufig domänenspezifische Machbarkeitsbeschränkungen.

Gegenfaktische Erklärungen haben sich als wichtiges Werkzeug zur Verbesserung der Interpretierbarkeit von Modellen etabliert, doch bisherige Ansätze berücksichtigen selten physikalische Plausibilität. Das neue Framework „Physics‑Guided Counterfactual Explanation“ generiert Gegenfaktische Erklärungen für Zeitreihenklassifikationen, die gleichzeitig mit den zugrunde liegenden physikalischen Prinzipien konsistent bleiben.

In der Anwendung auf die SEP‑Vorhersage erzielt das System eine Reduktion des Dynamic Time Warping (DTW)-Abstands um über 80 %, erhöht die Sparsity der Erklärungen und verkürzt die Laufzeit um fast 50 % im Vergleich zu führenden Baselines wie DiCE. Darüber hinaus garantiert das Verfahren, dass die erzeugten Gegenfaktiken physikalisch plausibel und in wissenschaftlichen Kontexten umsetzbar sind.

Zusammenfassend liefert das neue Framework nicht nur valide, physikalisch konsistente Gegenfaktische Erklärungen, sondern legt auch die Grundlage für skalierbare Erklärungsgeneration in Big‑Data‑Umgebungen.