[論文レビュー] Complete Inference of Causal Relations between Dynamical Systems

Zsigmond Benkő, Ádám Zlatniczki+6 more|arXiv (Cornell University)|Aug 31, 2018

Molecular spectroscopy and chirality被引用数 10

ひとこと要約

本稿では、位相的埋め込みと内挿次元推定を用いて、動的系の時系列の間で一方向性、双方向性、隠れた共通原因の関係を区別する、革新的なベイズ推論手法を提案する。この手法は、因果関係を確率的仮説としてモデル化し、合成データおよびてんかん患者の脳波記録（EEG）で検証することで、完全な因果推論を達成し、てんかん発作時にはiPが主要な駆動要因であり、無発作状態ではFbが支配的であることが明らかになった。

ABSTRACT

From ancient philosophers to modern economists, biologists, and other researchers, there has been a continuous effort to unveil causal relations. The most formidable challenge lies in deducing the nature of the causal relationship: whether it is unidirectional, bidirectional, or merely apparent - implied by an unobserved common cause. While modern technology equips us with tools to collect data from intricate systems such as the planet's ecosystem or the human brain, comprehending their functioning requires the identification and differentiation of causal relationships among the components, all without external interventions. In this context, we introduce a novel method capable of distinguishing and assigning probabilities to the presence of all potential causal relations between two or more time series within dynamical systems. The efficacy of this method is verified using synthetic datasets and applied to EEG (electroencephalographic) data recorded from epileptic patients. Given the universal applicability of our method, it holds promise for diverse scientific fields.

研究の動機と目的

• 観測時系列のみから、決定的動的系における直接的因果関係、双方向結合、隠れた共通原因を区別するという長年の課題に取り組むこと。
• 時系列間のすべての可能な因果関係タイプに確率を割り当てられる包括的かつ非干渉的な手法を開発すること。
• グランジャ因果関係や収束的クロスマッピング（CCM）といった従来手法の限界を克服すること。これらは、隠れた共通原因を信頼性高く検出できないか、非線形系では曖昧な結果を生じる。
• 実世界の神経生理学的データ、特にてんかん患者の脳波記録にこの手法を適用し、発作時と無発作状態における因果ネットワークダイナミクスを推論すること。

提案手法

• 本手法は、最適な遅延τと次元Dを用いた時間遅れ埋め込みにより、時系列から動的系の状態空間を再構築するためにTakensの埋め込み定理を採用する。
• 2つの時系列のペアからなる連合多様体の内挿次元を推定し、その位相的複雑さを定量化し、依存構造を推論する。
• 再構築された多様体の幾何学的および次元的特徴に基づき、ベイズフレームワークを用いて各因果関係タイプ（一方向性、双方向性、共通原因）の事後確率を計算する。
• 因果仮説を確率的生成モデルとしてモデル化し、モデル証拠（周辺尤度）を用いて因果構造を比較・順位付けする。
• 因果的影響を検出するために不可欠なクロスマッピング性を保つために、パラメータa=1の連合多様体構築を組み込む。
• 既知の因果構造を持つ合成系で手法を検証し、てんかん患者の脳内EEGデータに適用する。電極位置の特定および前処理にはCSD、フィルタリング、ランク正規化を用いる。

実験結果

リサーチクエスチョン

• RQ1 外部干渉なしに、決定的動的系の時系列から、一方向性、双方向性、隠れた共通原因の関係を信頼性高く区別できる単一の手法が存在するか？
• RQ2 本手法は、グランジャ因果関係や収束的クロスマッピング（CCM）といった従来手法と比較して、隠れた共通原因を検出する能力においてどのように優れているか？
• RQ3 てんかん発作時と無発作状態における、人間脳内の因果ネットワークパターンはどのように異なるか？
• RQ4 非線形的・カオス的系において、内挿次元と位相的埋め込みが因果構造を信頼性高く推論できる範囲はどの程度か？

主な発見

• てんかん発作時には、分析対象の18回中6回で頭頂側頭連合（iP）領域が主要な駆動要因として特定され、ネットワークにおけるiPの中心的ノードとしての役割が示された。
• 18回の発作のうち10回で、観測されない共通駆動要因が推定され、てんかんダイナミクスにおける隠れた因果関係の広範な存在が示された。
• 無発作状態では、16回中16回の解析期間で前頭底部（Fb）領域が主な駆動要因として顕在し、iPが5件、Fl1が2件の追加的駆動役割も観察された。
• てんかん発作時にはP3–P4チャネル対で共通原因の確率が顕著に上昇（p = 0.026）、C3–C4でも同様に上昇（p = 0.0006）した。一方、C4からC3への一方向的因果関係は有意に減少した（p = 0.011）。
• 本手法は、発作時および無発作状態の両方で、双方向結合を複数の事例で検出でき、反復的なネットワーク相互作用が存在することを示した。
• 拡張図C.1は、非線形結合下でCCMが隠れた共通原因を信頼性なく検出するのに対し、本手法が多様体幾何の確率的モデリングにより正しくその構造を推論できることを示している。