TriHead-GAN：トリプルヘッド識別器を持つ敵対的生成ネットワークによる炭素排出時系列生成

正確な炭素排出モニタリングは、気候政策やEU炭素国境調整メカニズムなどの新たな規制メカニズムにとって重要です。しかし、都市レベルの高頻度モニタリングデータは非常に不足しており、データを大量に必要とする深層学習モデルの適用が大幅に制限されています。時系列生成は自然な解決策ですが、既存のGANや拡散モデルベースの生成器は、炭素排出データのドメイン構造に対する明示的な監督が限られていることがよくあります。それらは周辺分布統計量に適合するかもしれませんが、CO₂と共排出汚染物質や気象因子との間の変数間相関を十分に保持できず、大気測定の一階差統計量を崩壊させ、平均的に滑らかでありながらも基礎信号の現実的なステップごとの変動性を欠く系列を生成する傾向があります。

研究チームは、TriHead-GANを提案しました。これはTransformerベースの敵対的フレームワークであり、そのトリプルヘッド識別器は結合分布の3つの補完的な側面を共同で監視します。すなわち、Wasserstein批評家による分布の真正性、リークフリーな目的変数の回帰による変数間依存性、および隣接差予測によるステップごとの時間的平滑性です。生成器は、グローバル自己注意と局所的時間畳み込み、ステップごとのノイズ注入、および一階差統計量に一致するアンチスムージング損失を組み合わせています。

自ら収集した長沙炭素データセット、2つの公開炭素データセット（中国、米国）、およびETTh1ベンチマークでの実験により、TriHead-GANは大部分の設定で主流のベースラインを上回る好成績を達成し、得られた合成ウィンドウは低リソース炭素モニタリングシナリオにおける下流予測精度を向上させることが示されました。

この研究はZesen Wangらによって行われ、論文は2026年5月26日にarXivに提出され、機械学習分野に属します。研究チームは、将来の研究ではTriHead-GANをより広範な時系列生成タスクに適用し、生成器の構造をさらに最適化して効率を向上させる予定であると述べています。