ملخص تقني: النماذج السببية الهيكلية ذات الملاحظة الجزئية (POSCMs)

بيان المشكلة

عادةً ما تعامل النماذج السببية الهيكلية (SCMs) القياسية الرسوم البيانية السببية كبنى خارجية ثابتة حيث تعمل الآليات على متغيرات مرصودة. ومع ذلك، تُظهر العديد من الأنظمة في العالم الحقيقي — لا سيما في العلوم البيولوجية والاجتماعية والهندسة — ديناميكيات أكثر تعقيداً: حيث يتم تحديد هيكل التفاعل (الحواف) والآليات اللاحقة بشكل مشترك بواسطة سياقات كامنة. على سبيل المثال، في علم الأعصاب، يحدد نوع الخلية العصبية (السياق) كلاً من الاتصال المشبكي (الهيكل) والاستجابة الفسيولوجية (الآلية)، ومع ذلك، غالباً ما تكون هذه السياقات مرصودة جزئياً أو يُستدل عليها بشكل غير مباشر.

تعاني طرق الاكتشاف السببي الحالية في هذا النطاق لأنها تفترض رسوماً بيانية ثابتة ومتغيرات مرصودة بالكامل. عندما يكون تشكيل الهيكل داخلي المنشأ لعمليات كامنة، وعندما تتوفر ملاحظات جزئية فقط للمتغيرات والسياقات والحواف، تفشل نماذج SCMs القياسية في الفصل بين "من يتصل بمن" وبين "كيف يتفاعلون". يعمل هذا العمل على سد الفجوة بين نماذج S SCMs كاملة الملاحظة والواقع المتمثل في الأنظمة ذات الملاحظة الجزئية حيث يتشابك الهيكل والآلية مع السياقات الكامنة.

المنهجية

1. الصياغة الرسمية: النماذج السببية الهيكلية ذات الملاحظة الجزئية (POSCMs)

يقدم المؤلفون النماذج السببية الهيكلية ذات الملاحظة الجزئية (POSCMs)، وهو إطار صوري للأنظمة السببية حيث تتحكم السياقات الكامنة ($\beta$) في كل من:

1. تشكيل الهيكل: التوليد العشوائي للحواف الموجهة ($A$).
2. آليات القيم: توليد المتغيرات المرصودة ($V$) عبر الرسم البياني المتحقق.

يعتمد الإطار على عملية توليد مرتبة (امتداد لترتيب سايمون السببي ووصول العقد المتسلسل لباراباسي-ألبرت). تسير عملية التوليد في مرحلتين وفقاً لترتيب طوبولوجي $\tau$:

• المرحلة الأولى (الهيكل والسياق): لكل عقدة $i$، يتم سحب الحواف الواردة $A_{ji}$ من نواة هيكلية $\alpha$ مشروطة بسياق المصدر $\beta_j$. بعد ذلك، يتم توليد السياق $\beta_i$ بناءً على سياقات العقد الأبوية المتحققة. تضمن هذه العملية المتداخلة بقاء الرسم البياني العام غير حلقي عبر $(\beta, A, V)$.
• المرحلة الثانية (الآليات والمتغيرات): يتم تعيين الآليات $f_i$ بناءً على السياق المحلي $\beta_i$ والمجموعة الأبوية المتحققة. أخيراً، يتم توليد المتغيرات الداخلية $V_i$.

يحدد نموذج الملاحظة $O$ بشكل صريح ما هو مرصود (على سبيل المثال، $V$ مع ضجيج، أو $\beta$ كامن، أو $A$ غير مرصود)، مما يفصل العملية السببية عن عملية الملاحظة.

2. التمثيل المعزز بالرسائل وتفكيك KAS

لتمكين "الجراحة" على الحواف الفردية، يتبنى المؤلفون تفكيك دالة الحافة Kolmogorov-Arnold-Speaker (KAS).

• مبرهنة: يمكن تمثيل أي آلية مستمرة كمجموع لدوال أحادية المتغير لوالديه.
• التطبيق: يسمح هذا للمؤلفين بتعريف متغيرات الرسائل ($M_{i \leftarrow j}$) لكل زوج ثنائي. تُعتبر الآلية عند العقدة $i$ كتجميع لرسائل مستلمة من العقد الأبوية.
• الأهمية: يوفر هذا التفكيك بارامترياً صريحاً للمساهمات الوظيفية الثنائية، مما يجعل من الممكن تعريف تدخلات تستهدف قناة حافة واحدة دون تغيير العقدة المصدر أو الحواف الأخرى.

3. تسلسل التدخلات

تحدد POSCMs تسلسلاً هرمياً للتدخلات يضم أربعة أنواع أولية:

1. تدخلات عقد $\beta$: ضبط السياق الكامن للعقدة (مثل تغيير نوع الخلية).
2. تدخلات عقد $V$: ضبط قيمة متغير مرصود (عامل do القياسي).
3. تدخلات حافة $\beta$: استبدال دالة رسالة السياق على قناة محددة.
4. تدخلات حافة $V$: استبدال دالة رسالة القيمة على قناة محددة.

يسمح هذا التسلسل الهرمي بالتلاعب "الجراحي" بالهيكل والآلية، مما يميز POSCMs عن SCMs القياسية حيث غالباً ما تكون تدخلات الحواف مفاهيمية وليست إجرائية.

نظرية القابلية للتعرف (Identifiability Theory)

يؤسس هذا العمل شروطاً صارمة يمكن من خلالها تحديد مكونات POSCM، مع تسليط الضوء على العوائق والنتائج الإيجابية.

النتائج السلبية (العوائق)

• السياقات الكامنة: إذا كانت السياقات غير مرصودة ولم تتوفر تدخلات $\beta$، فإن النواة الهيكلية، وآليات انتشار السياق، وعوامل تعيين الآلية غير قابلة للتعرف بما يتجاوز إعادة بارامتريّة السياق (الخاصية 5.2). لا يمكن لبيانات مستوى العقدة ($V$) وحدها حل التماثل بين تسميات السياقات المختلفة.
• الحواف الكامنة: إذا كانت الحواف غير مرصودة، فإن تدخلات $V$-node غير كافية للتنبؤ بآثار تدخلات $V$-edge. وهذا يخلق ارتباكاً بين الهيكل والآلية، حيث يتساوى نموذج ذو حواف ضعيرة متكررة مع نموذج ذو حواف قوية نادرة من الناحية الرصدية تحت تدخلات مستوى العقدة، ومع ذلك يختلفان تحت تدخلات مستوى الحافة (التمهيدية 5.3).

النتائج الإيجابية

• قابلية تعرف النواة: في ظل افتراضات محددة (قراءة السياق/القيمة، التغطية المشتركة بواسطة تدخلات $\beta$-node و $V$-node، وقراءة الهيكل القائمة على الاستقصاء)، تكون النوى السكانية (النواة الهيكلية $\alpha$، انتشار السياق $\phi$، وعامل الآلية $\Gamma$) قابلة للتعرف (المبرهنة ical 5.4).
• تعرف الرسالة الثنائية: مع الوصول الأكثر ثراءً (بما في ذلك تدخلات رسالة الحافة أو إعادة التشغيل في عوالم مزدوجة)، يمكن تحديد رسائل ثنائية محددة حتى حدود مقياس التمثيل (المبرهنة C.3).

التحقق التجريبي

يتحقق المؤلفون من تنبؤاتهم النظرية باستخدام محاكي شبكية العين البشرية الافتراضي المفصل بيوفيزيائياً (NEURON). تعمل شبكية العين كنموذج POSCM طبيعي حيث تحدد أنواع الخلايا (السياق $\beta$) الاتصال والفسيولوجيا المشبكية.

1. التجربة 1 (عدم القابلية للتعرف بدون تدخلات $\beta$): أنشأ المؤلفون نماذج "توأم" لشبكية العين حيث تم تبديل تسميات أنواع الخلايا وقواعد التشابك العصبي. تحت البيانات الرصدية وتدخلات $V$-node (تثبيت الجهد)، كانت توزيعات معدل الإطلاق غير متمايزة (اختبار KS $p > 0.9$)، مما أكد تجريبياً تماثل إعادة البارامتريّة المتوقع في الخاصية 5.2.
2. التجربة 2 (الارتباك بين الهيكل والآلية): تمت معايرة نموذجين لإظهار متوسط دفع مشبكي متماثل تحت تثبيت مستوى العقدة (أحدهما بحافة عالية/موصلية منخفضة، والآخر بكثافة منخفضة/موصلية عالية). بينما أنتجت تدخلات مستوى العقدة استجابات متشابهة، فإن تدخلات مستوى الحافة (اضطراب مشابك محددة) كشفت عن اختلافات كبيرة (MMD أعلى)، مما أثبت صحة التمهيدية 5.3.
3. التجربة 3 (قابلية تعرف النواة): من خلال عبور السياقات (تغيير انحراف شبكية العين لتغيير تكوين نوع الخلية) والقيم (تثبيت الجهد)، نجح المؤلفون في استعادة تكوين السكان المعتمد على السياق ومنحنى انتقال مشبكي سيجمودي (BC $\to$ RGC)، وهو ما يتوافق مع المبرهنة 5.4.

المساهمات الرئيسية والأهمية

1. إطار صوري: يوفر هذا العمل أول إطار رسمي (POSCMs) يعامل تشكيل الهيكل كآلية سببية داخلية المنشأ مدفوعة بسياقات كامنة، مما يأخذ في الاعتبار الملاحظة الجزئية لكل من الهيكل والسياق.
2. مفردات التدخل: يقدم تسلسلاً هرمياً جديداً للتدخلات يتضمن عمليات على مستوى الحافة، مدعوماً بتمثيل معزز بالرسائل قائم على KAS. يسمح هذا بإجراء تلاعبات سببية "جراحية" لم تكن معرفة سابقاً في نماذج SCMs القياسية.
3. تشخيصات القابلية للتعرف: لا يقدم العمل ضمانات إيجابية فحسب، بل يشخص أيضاً أوجه الفشل (تماثلات السياقات الكامنة وارتباك الحواف الكامنة). كما يوضح بدقة عائلات التدخلات الضرورية للفصل بين الهيكل والآلية.
4. إثبات المفهوم التجريبي: تُظهر تجارب الشبكية الافتراضية أن هذه العوائق والحلول النظرية تحدث في أنظمة بيوفيزيائية واقعية، وأن استعادة مستوى النواة أمر ممكن بموجب افتراضات القراءة والتغطية المقترحة.

يخلص المؤلفون إلى أن نماذج POSCMs تعمم نماذج SCMs لتصل إلى عالم أقرب للواقع، حيث ليست هياكل التفاعل مجرد سقالات ثابتة، بل هي نتائج ديناميكية تعتمد على السياق ويمكن التفكير فيها والتدخل فيها.