精选理由
UTOPYA为工业过程监控提供了首个融合物理信息与多模态数据的端到端方案，做异常检测和过程控制的工程师可以直接参考其架构设计，尤其适合数据稀缺场景下的部署决策。
UTOPYA是一个1520万参数的多模态框架，通过融合八种数据模态，解决了批处理过程中的异常检测难题。该框架采用特征线性调制（FiLM）条件跨模态注意力和门控融合，并引入物理信息正则化方案，强制时间平滑和热力学单调性。在119实验的多模态批处理蒸馏数据集上，UTOPYA在窗口级测试AUROC达到0.832，多信号实验级AUROC达到0.874，显著优于PCA、自编码器、孤立森林和LSTM自编码器等基线方法。消融实验表明，FiLM条件提供的静态上下文是关键因素，将实验级多信号AUROC从0.729提升至0.874。同时，研究揭示了实例归一化、Mixup、集成、测试时增强和随机权重平均等常用技术在此数据稀缺场景下反而会降低泛化性能。
AI 翻译 · 中文
UTOPYA是一个1520万参数的多模态框架，通过融合八种数据模态，解决了批处理过程中的异常检测难题。该框架采用特征线性调制（FiLM）条件跨模态注意力和门控融合，并引入物理信息正则化方案，强制时间平滑和热力学单调性。在119实验的多模态批处理蒸馏数据集上，UTOPYA在窗口级测试AUROC达到0.832，多信号实验级AUROC达到0.874，显著优于PCA、自编码器、孤立森林和LSTM自编码器等基线方法。消融实验表明，FiLM条件提供的静态上下文是关键因素，将实验级多信号AUROC从0.729提升至0.874。同时，研究揭示了实例归一化、Mixup、集成、测试时增强和随机权重平均等常用技术在此数据稀缺场景下反而会降低泛化性能。
Anomaly detection in batch processes is hindered by transient dynamics, scarce fault labels, and reliance on single-modality sensor data. This work introduces UTOPYA (Unified Temporal Observation for Physics-Informed Ano…