في عالم الذكاء الاصطناعي، تُعد نماذج الانحلال (Diffusion Models) واحدة من أبرز الابتكارات في توليد السلاسل الزمنية. لكن، تواجه هذه النماذج صعوبة في الاستخدام العملي بسبب العدد الضخم من خطوات إزالة الضوضاء اللازمة أثناء الاستنتاج. في خطوة مبتكرة، تم تقديم StrideDiffusion التي تعد أسرع نموذج لتوليد السلاسل الزمنية بدون الحاجة لأي تدريب مسبق.

ما يميز StrideDiffusion هو قدرته على التعامل مع خصائص السلاسل الزمنية الفريدة. حيث يعتمد على اختيار خطوة إزالة الضوضاء (Denoising stride) بذكاء من نشاط الطيف. فبدلاً من استخدام جداول زمنية ثابتة، يقوم النموذج برصد الطاقة النسبية للأطياف، وتغير الطاقة، وسرعة الأطوار لتحديد ما إذا كانت الديناميكيات عالية التردد ما تزال نشطة أو أن المسار يتمdominates بتركيبة ذات تردد منخفض.

إذا كانت الأطياف العالية التردد نشطة، يقوم StrideDiffusion بتقليص خطواته، أما عند بقاء العناصر الخشنة فقط، فيقوم بإجراء قفزات أكبر. وبدليل تحليلي للاستقرار الطيفي، يظهر أن الأطياف غير النشطة تتغير فقط خطياً مع حجم القفز، مما يمنح مبرراً محلياً لفكرة استخدام النشاط الطيفي كمؤشر لحجم الخطوة.

وفقًا للاختبارات على ستة معايير لتوليد السلاسل الزمنية، استخدم StrideDiffusion 14-66 تقييمًا فقط بدلاً من 500 أو 1000 خطوة لإزالة الضوضاء، محققًا زيادة في سرعة الأداء تصل حتى 18.9 مرة دون التأثير على جودة النتائج. كما أظهرت النتائج في التوقع وتعبئة البيانات المشروطة تحسنًا يصل إلى 5-14 مرة في معدل التسريع مع الحفاظ على دقة تنبؤية متقاربة.

تؤكد هذه النتائج أن تقدم الطيف يوفر إشارة عملية ومبدأً لتسريع نماذج الانحلال الخاصة بالسلاسل الزمنية. لمزيد من التعمق، يمكنكم الاطلاع على الكود الخاص بـ StrideDiffusion عبر الرابط: [لم أرَ الرابط]