実行による因果発見：介入から連鎖反応メカニズムを学習する

要旨: 因果発見は、一般的な動的システムにおいては困難です。強い構造的仮定がなければ、介入データから基礎となる因果グラフが同定可能でない可能性があるためです。 しかし、多くの現実世界のシステムでは、成分が順に活性化し、上流の故障が下流への影響を抑制するような、方向性のあるカスケード状の構造が見られます。 本研究では、そのような連鎖反応システムにおける因果発見を調べ、各成分が活性化するのを妨げる「ブロッキング介入」から因果構造が一意に同定可能であることを示します。 有限標本での保証を持つ最小限の推定器を提案し、誤差が指数的に減衰し、サンプル計算量が対数的になることを達成します。 合成モデルおよび多様な連鎖反応環境に関する実験により、少数の介入からの信頼できる復元が示されます。一方で、観測（ノン介入）的なヒューリスティックは、遅延したり重なり合う因果効果のある領域では失敗します。