因果関係を符号化した拡散モデル：介入サンプリングとエッジ推論

概要: 標準的な拡散モデルは複雑な分布の柔軟な推定器ですが、因果構造をエンコードせず、そのためそれ自体では因果分析を支援しません。本研究では、既知の有向非巡回グラフを取り入れた、因果をエンコードする拡散フレームワークを提案します。具体的には、グラフの因数分解と整合するように条件付き拡散モデルを学習することで実現します。その結果得られるサンプラは観測分布を概ね復元し、逆拡散の過程でグラフを通じて効果を伝播させながら、介入された変数を固定することで介入サンプリングを可能にします。この介入シミュレータに基づき、候補となるグラフの下でヌルな複製（null replicates）を生成する、有向辺のためのリサンプリングに基づく検定を開発します。観測分布および介入分布の推定について収束保証を確立し、その収束速度は周辺（ambient）次元ではなく最大ローカル次元によって決まることを示します。また、辺の検定に対してタイプIエラーの漸近的な制御を証明します。シミュレーションでは、ベースラインと比べて介入分布の復元が改善され、推定においてほぼ公称のサイズと好ましいパワーが得られることが示されます。フローサイトメトリーのデータへの適用により、論争のあるシグナル伝達リンク（signalling linkages）を評価するうえで、本提案手法の実用的有用性が実証されます。