[論文レビュー] Causal Modeling With Infinitely Many Variables

Finkbeiner, Bernd, Joseph Y. Halpern+1 more|arXiv (Cornell University)|Dec 16, 2021

Bayesian Modeling and Causal Inference被引用数 2

ひとこと要約

本稿では、一般化された構造方程式モデル（GSEMs）を導入し、従来の構造方程式モデル（SEMs）を無限個の変数を扱えるように拡張するフレームワークを提示する。特に、微分方程式による動的システムの自然なモデル化を可能にする。GSEMsはSEMの入出力インターフェースを保持しており、実際に因果関係を評価する概念を直接応用可能であり、ODE、ハイブリッドオートマトン、ルールベースモデルといった多様な形式を統一的に扱える。

ABSTRACT

MITL is a temporal logic that facilitates the verification of real-time systems by expressing the critical timing constraints placed on these systems. MITL specifications can be checked against system models expressed as networks of timed automata. A violation of an MITL specification is then witnessed by a timed trace of the network, i.e., an execution consisting of both discrete actions and real-valued delays between these actions. Finding and fixing the root cause of such a violation requires significant manual effort since both discrete actions and real-time delays have to be considered. In this paper, we present an automatic explanation method that eases this process by computing the root causes for the violation of an MITL specification on the execution of a network of timed automata. This method is based on newly developed definitions of counterfactual causality tailored to networks of timed automata in the style of Halpern and Pearl’s actual causality. We present and evaluate a prototype implementation that demonstrates the efficacy of our method on several benchmarks from the literature.

研究の動機と目的

• 連続時間の動的システムのような無限個の変数を含むシステムに標準的なSEMを適用する際の制限を解消すること。
• 連続時間や無限の変数チェーンに起因する非整礎的依存関係を自然に表現できるSEMの一般化を開発すること。
• 特に実際の因果関係の定義を含む、SEMの核心的な因果的推論能力を、より一般化された枠組み内でも保持すること。
• ODE、ハイブリッドオートマトン、ルールベースモデルといった異なる形式を、一つの因果モデリング枠組みで統一すること。
• 従来のSEMが非整礎的依存関係のため失敗する状況における因果モデリングの形式的基盤を提供すること。

提案手法

• 介入の結果を明示的な構造方程式を必要とせず、直接指定できるGSEMsをSEMの一般化として提案する。
• GSEMsを文脈と介入から結果の集合への写像として定義し、SEMの入出力挙動を保持する。
• GSEMフレームワーク内での常微分方程式（ODE）系の解法を目的とした形式的実行アルゴリズムSOLVE-ODE-GSEMを導入する。
• GSEMsと因果制約モデル（CCMs）の間の同等性を確立し、GSEMsが介入固有の制約を持つ制約ベースのモデルとして表現可能であることを示す。
• 公理的体系（AX+）を用いて有効なGSEMsを特徴付け、特定の条件下で有限GSEMsと非循環的SEMとの間の同等性を証明する。
• GSEMsがODEの標準的定義に一致することで、動的システムを自然に表現できることを示す。

実験結果

リサーチクエスチョン

• RQ1 介入の推論能力を失うことなく、連続時間の動的システムのような無限個の変数を含むシステムに因果モデリングを拡張できるか？
• RQ2 無限または連続的システムに生じる非整礎的依存関係を扱えるように、構造方程式モデルをどのように一般化できるか？
• RQ3 SEMにおける実際の因果関係の定義が、無限システム用の一般化された枠組みでもどの程度保持できるか？
• RQ4 ODE、ハイブリッドオートマトン、ルールベースモデルといった広く使われる形式が、一つの因果モデリング枠組みで統一できるか？
• RQ5 GSEMが標準SEMと同等であるための形式的条件は何か？また、その同等性がどの条件下で崩れるか？

主な発見

• GSEMsは無限個の変数と非整礎的依存関係を許容することでSEMを一般化し、連続時間の動的システムを自然にモデル化可能である。
• SOLVE-ODE-GSEMアルゴリズムはODE系のすべての解を正しく計算し、ODE解の標準的数学的定義と一致する。
• GSEMsはHalpernとPearlが提唱した実際の因果関係の定義を保持しており、無限システムにおいても最小限の修正で因果的推論が可能である。
• AX+再帰公理を満たすすべての有限GSEMは非循環的SEMと同等であり、逆も成り立つ。これにより、両フレームワークの間の正式な橋渡しが確立される。
• GSEMsは因果制約モデル（CCMs）と同等であり、このフレームワークが一般性と形式的根拠の両方を備えていることを示す。
• GSEMsはシステム生物学や化学分野で使われるハイブリッドオートマトンやルールベースモデルを表現可能であり、広範な適用可能性を示している。