非パラメトリックな混合下での一般環境からの因果表現学習
arXiv cs.LG / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、潜在因果変数とその因果関係（DAG）を、画像ピクセルなどの低レベル観測から推定する因果表現学習を扱っています。
- 従来の研究には、分布が変化する仕方や混合関数・潜在因果モデルに関する強い仮定が多く含まれ、それが現実問題では破れやすいと主張しています。
- 著者らは「一般環境」を定式化し、非パラメトリックな混合関数や加法ノイズモデル／異分散ノイズモデルのような非線形の潜在因果モデルでも、条件を満たせば潜在DAGと潜在変数をほぼ完全に識別できることを示します。
- そのための要点は、因果メカニズムに関する十分な変化条件を、3階微分までの情報として適切に活用する点にあります。
- 本研究は、非パラメトリック混合を伴う一般環境から潜在DAGを「完全に復元」する最初期の結果の一つだと述べており、既存研究と同等以上の成果を、より緩い仮定のもとで達成するとしています。
