Naukowcy opracowali DAStatFormer, nowy model sztucznej inteligencji, który ma revolucjonizować monitorowanie infrastruktury za pomocą światłowodów. System wykorzystuje połączenie tradycyjnych metod statystycznych z nowoczesną architekturą Transformer, aby klasyfikować zdarzenia w systemach Distributed Acoustic Sensing (DAS). Zamiast bezpośrednio analizować ogromne ilości surowych danych audio przesyłanych przez włókna optyczne, model najpierw wyodrębnia 24 starannie wyselekcjonowane cechy statystyczne z trzech dziedzin: czasowej, falowej i spektralnej. Redukcja danych jest bardzo znacząca – mowa o zmniejszeniu rozmiarów o rzędy wielkości, co w praktyce oznacza znacznie szybsze przetwarzanie bez utraty istotnych informacji.
Hybrydowe podejście DAStatFormer okazało się niezwykle efektywne. Na publicznych zestawach testowych model osiąga imponującą dokładność 99,4%, a w rzeczywistych warunkach funkcjonuje niemal bezbłędnie. Co istotne, wymaga znacznie mniej parametrów do trenowania i ma znacznie niższą wydajność obliczeniową w stosunku do konkurencyjnych rozwiązań, takich jak DASFormer czy DeepViT. Model wykorzystuje osobne gałęzie sieci do przetwarzania każdej domeny danych, z mechanizmem bramkowania, który inteligentnie łączy uzyskane wyniki.
Znaczenie tego badania rozciąga się daleko poza sam algorytm. Systemy DAS są coraz powszechniej wykorzystywane do monitorowania infrastruktury krytycznej – od rurociągów naftowych po linie przesyłu energii – ale dotychczas wymagały dużych mocy obliczeniowych. DAStatFormer otwiera drzwi do rzeczywistego monitorowania w czasie rzeczywistym na dużą skalę, zwłaszcza w miejscach o ograniczonych zasobach technicznych. Autorzy udostępnili kod źródłowy, co powinno przyspieszyć wdrażanie tego rozwiązania w praktyce.