[논문 리뷰] Causal Modeling With Infinitely Many Variables

Finkbeiner, Bernd, Joseph Y. Halpern외 1명|arXiv (Cornell University)|2021. 12. 16.

Bayesian Modeling and Causal Inference인용 수 2

한 줄 요약

이 논문은 일반화된 구조 방정식 모델(GSEMs)을 소개한다. GSEMs는 기존의 구조 방정식 모델(SEMs)을 무한한 수의 변수를 다룰 수 있도록 확장한 유연한 프레임워크로, 미분 방정식을 통한 동적 시스템의 자연스러운 모델링을 가능하게 한다. GSEMs는 SEMs의 입력-출력 인터페이스를 유지하므로 실제 원인관계와 같은 인과 개념을 직접 적용할 수 있으며, 미분방정식(ODEs), 하이브리드 오토마타, 규칙 기반 모델 등 다양한 형식론을 통합한다.

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.

연구 동기 및 목표

• 연속 시간 동적 시스템과 같이 무한한 수의 변수를 가진 시스템에 표준 SEMs를 적용할 때 발생하는 한계를 해결하기 위해.
• 연속 시간 또는 무한한 변수 체인에서 발생하는 비-잘근거한 의존관계를 가진 시스템을 자연스럽게 표현할 수 있도록 SEMs의 일반화를 개발하기 위해.
• 특히 실제 원인관계의 정의를 포함한 SEMs의 핵심 인과 추론 능력을 더 일반적인 프레임워크 내에서 유지하기 위해.
• ODEs, 하이브리드 오토마타, 규칙 기반 모델과 같은 다수의 형식론을 하나의 인과 모델링 프레임워크 아래 통합하기 위해.
• 伝통적인 SEMs가 비-잘근거한 의존관계로 인해 실패하는 상황에서 인과 모델링의 형식적 기반을 제공하기 위해.

제안 방법

• 개입의 결과를 명시적으로 구조 방정식을 요구하지 않고 직접 지정하는 GSEMs를 SEMs의 일반화로 제안한다.
• GSEMs를 맥락과 개입에서 결과 집합으로의 사상으로 정의하여 SEMs의 입력-출력 행동을 유지한다.
• GSEM 프레임워크 내에서 일반 선형 미분방정식(ODEs) 시스템을 해결하기 위한 공식적 실행 알고리즘인 SOLVE-ODE-GSEM을 도입한다.
• GSEMs와 인과 제약 모델(CCMs) 간의 동치성을 입증하여, GSEMs가 개입별 제약 조건을 가진 제약 기반 모델로 표현될 수 있음을 보여준다.
• GSEMs의 타당성을 특성화하고, 특정 조건 하에서 유한한 GSEMs와 비순환 SEMs 간의 동치성을 증명하기 위해 공리계(AX+)를 사용한다.
• GSEMs가 ODE의 표준 해 정의와 일치함으로써, 동적 시스템을 자연스럽게 표현할 수 있음을 보여준다.

실험 결과

연구 질문

• RQ1 무한한 수의 변수를 가진 시스템, 예를 들어 연속 시간 동적 시스템에 대해 인과 모델링을 확장할 수 있는가? 이 경우 개입에 대한 추론 능력은 유지되는가?
• RQ2 무한하거나 연속적인 시스템에서 발생하는 비-잘근거한 의존 관계를 다룰 수 있도록 구조 방정식 모델을 어떻게 일반화할 수 있는가?
• RQ3 SEM에서 정의된 실제 원인관계의 개념이 무한 시스템을 위한 일반화된 프레임워크로 어떻게 유지될 수 있는가?
• RQ4 ODEs, 하이브리드 오토마타, 규칙 기반 모델과 같은 널리 사용되는 형식론들이 하나의 인과 모델링 프레임워크 아래 통합될 수 있는가?
• RQ5 GSEM이 표준 SEM과 동치가 되는 형식적 조건은 무엇이며, 이러한 동치관계가 깨지는 경우는 언제인가?

주요 결과

• GSEMs는 무한한 수의 변수와 비-잘근거한 의존관계를 허용함으로써, 연속 시간 동적 시스템의 자연스러운 모델링을 가능하게 하여 SEMs를 일반화한다.
• SOLVE-ODE-GSEM 알고리즘은 ODE 시스템의 모든 해를 정확히 계산하며, ODE 해의 표준 수학적 정의와 일치한다.
• GSEMs는 Halpern과 Pearl이 제안한 실제 원인관계의 정의를 유지하므로, 최소한의 수정으로 무한 시스템에서의 인과 추론이 가능하다.
• AX+ 재귀 공리(axioms)를 만족하는 모든 유한한 GSEM은 비순환 SEM과 동치이며, 그 반대도 성립함을 입증하여 두 프레임워크 간의 형식적 다리를 놓는다.
• GSEMs는 인과 제약 모델(CCMs)과 동치이며, 이는 프레임워크가 매우 일반적이면서도 형식적으로 탄탄하다는 것을 보여준다.
• GSEMs는 시스템 생물학과 화학 분야에서 사용되는 하이브리드 오토마타와 규칙 기반 모델을 표현할 수 있어 광범위한 적용 가능성을 입증한다.