CIPHER：面向物理科学的可扩展时间序列分析及其在太阳风现象中的应用

标记或分类时间序列是物理科学中一个持续的挑战，因为专家注释稀缺、昂贵且常常不一致。然而，稳健的标记对于启用机器学习模型以进行理解、预测和预报至关重要。我们提出了\textit{用于识别的人类评估聚类与索引管道}（CIPHER），这是一个旨在加速物理科学中复杂时间序列大规模标记的框架。CIPHER 集成了\textit{可索引符号聚合近似}（iSAX）用于可解释的压缩和索引、基于密度的聚类（HDBSCAN）以对重复出现的现象进行分组，以及一个用于高效专家验证的人机交互步骤。代表性样本由领域科学家标记，这些注释被传播到整个聚类，以产生系统化、可扩展的分类。我们在 OMNI 数据中分类太阳风现象的任务上评估了 CIPHER，这是空间天气研究中的一个核心挑战，结果表明该框架恢复了有意义的现像，如日冕物质抛射和流相互作用区。除了这个案例研究之外，CIPHER 还强调了结合符号表示、无监督学习和专家知识以解决物理科学中时间序列标签稀缺问题的一般策略。本研究中使用的代码和配置文件已公开提供，以支持可重复性。