## 定義 AutoMixer は、AutoEncoder による**チャネル圧縮**を自己教師あり事前学習タスクとし、その重みを [[TSMixer]] backbone による end-to-end 微調整に転用する二段階の時系列基盤モデル(foundation model)ワークフローである。ビジネス KPI(Biz-KPI)と IT イベントを融合した多変量時系列データ(BizITObs データ)を対象に、Biz-KPI 予測精度の改善を狙う。AutoEncoder は一般に隠れ特徴の圧縮に使われるのに対し、AutoMixer は**チャネル次元そのもの**を圧縮する点が中心的なアイデアである。(Source: [[@2023__arXiv__AutoMixer for Improved Multivariate Time-Series Forecasting on Business and IT Observability Data]]) ## 横断的知見 - （このページはまだ単一ソースのみに基づく。2 ソース目以降で横断的知見を蓄積する。） ## 未解決の問い - AutoMixer のチャネル圧縮 AutoEncoder(RNN ベース)による事前学習と、[[Tiny Time Mixers (TTM)]] の「事前学習ではチャネル独立、fine-tuning でのみ decoder の channel-mixing ブロックを有効化する」という二段階切替は、いずれも「事前学習ではチャネル間相互作用を軽く扱い、微調整段階で活用する」という設計思想を共有するように見える。両者はメカニズムが異なる(AutoMixer: AE によるチャネル数そのものの圧縮 / TTM: channel-independent backbone + 後付け decoder)が、同じ著者陣([[Vijay Ekambaram]] ほか)による系譜上の関係は本文からは明示されない。TTM 論文が AutoMixer を先行研究として位置づけているかは未確認。([[@2023__arXiv__AutoMixer for Improved Multivariate Time-Series Forecasting on Business and IT Observability Data]]、[[@2024__arXiv__Tiny Time Mixers (TTMs) - Fast Pre-trained Models for Enhanced Zero Few-Shot Forecasting of Multivariate Time Series]]) - AutoMixer の評価は合成された 4 つの BizITObs データセットに限られる。実運用の Biz-KPI/IT イベントデータでの検証結果は未公開(論文は「今後の展開」として言及するのみ)。 ## 関連 - 提案論文: [[@2023__arXiv__AutoMixer for Improved Multivariate Time-Series Forecasting on Business and IT Observability Data]] - backbone: [[TSMixer]] - 関連概念: [[多変量時系列予測]]、[[障害予測]] - 関連組織: [[IBM Research]]、[[IIT Bombay]] ## 出典 - [[@2023__arXiv__AutoMixer for Improved Multivariate Time-Series Forecasting on Business and IT Observability Data]]