利用 Lorenzetti 生成合成数据用于高能物理量热器中的时间序列异常检测

多元时间序列中的异常检测对于确保物理实验数据的质量至关重要。准确识别发生意外错误或缺陷的时刻至关重要，但由于标签稀缺、异常类型未知以及维度间的复杂相关性，这极具挑战性。为了解决标记数据的稀缺性和不可靠性问题，我们使用 Lorenzetti 模拟器生成注入了量热器异常的合成事件。然后，我们评估了多种时间序列异常检测方法的灵敏度，包括基于 Transformer 的模型和其他深度学习模型。这里采用的方法是通用的，适用于不同的探测器设计和缺陷。