Resumen Técnico: Coarsening de Modelos Causales Lineales No Gaussianos con Ciclos

Enunciado del Problema

El descubrimiento causal a partir de datos observacionales se ha centrado históricamente en Grafos Acíclicos Dirigidos (DAG). Sin embargo, muchos sistemas científicos, como las redes de regulación génica y los sistemas dinámicos, contienen intrínsecamente bucles de retroalimentación (ciclos dirigidos). Aunque existen métodos para aprender modelos causales cíclicos, a menudo enfrentan limitaciones significativas:

1. Ambigüedad de Identificabilidad: En el contexto Lineal No Gaussiano (LiNG), los Modelos Causales Estructurales (SCM) cíclicos son identificables solo hasta una clase de equivalencia distribucional. Los miembros de esta clase difieren por la reversión de ciclos dirigidos, lo que hace que la estructura exacta del grafo a nivel micro sea no identificable a partir de datos observacionales por sí solos, sin suposiciones fuertes (por ejemplo, estabilidad o ciclos disjuntos).
2. Complejidad Computacional: Los enfoques existentes para aprender resúmenes de estructuras causales, como el algoritmo GroupLiNGAM, a menudo sufren de complejidad temporal exponencial en función del número de variables.
3. Aplicabilidad: Muchos modelos de alta dimensión con ciclos quedan excluidos de los marcos estándar de abstracción causal porque dichos marcos asumen aciclicidad.

Este artículo aborda el desafío de resumir estructuras causales cíclicas de alta dimensión en representaciones de baja dimensión que sean tanto identificables como computacionalmente tratables, sin requerir las suposiciones restrictivas de ciclos disjuntos o estabilidad.

Metodología

Los autores extienden el marco del coarsening causal —que agrupa variables en clústeres para formar un grafo cociente— a grafos dirigidos que contienen ciclos.

1. Marco Teórico: El Suelo de los CCA

La idea teórica central es que cualquier coarsening válido de DAG de un grafo cíclico debe respetar sus Componentes Fuertemente Conectados (CCA).

• Proposición 1: Los nodos dentro del mismo CCA deben agruparse en el mismo clúster en cualquier coarsening de DAG. Si se dividieran, el grafo cociente contendría necesariamente un ciclo, violando el requisito de DAG.
• Suelo Estructural: La partición de variables en CCA forma el "suelo estructural" del retículo de coarsening. Es el coarsening de DAG válido más fino. El grafo cociente resultante es la condensación ($G_{sc}$) del grafo original, que es un DAG por definición.

2. Identificabilidad mediante ICA

El artículo aprovecha las propiedades de los SCM cíclicos Lineales No Gaussianos (LiNG):

• Modelo: $X = BX + \varepsilon$, donde $\varepsilon$ tiene componentes mutuamente independientes y no gaussianos.
• Equivalencia Observacional: Siguiendo a [19], la matriz de mezcla $A = (I-B)^{-1}$ puede recuperarse mediante Análisis de Componentes Independientes (ICA) hasta una permutación de filas y escalado. Diferentes permutaciones producen diferentes miembros de la clase de equivalencia distribucional (diferentes por reversiones de ciclos).
• Teorema 1 (Identificabilidad de la Condensación): Los autores demuestran que, aunque el grafo a nivel micro $G$ es identificable solo hasta la clase de equivalencia, la condensación $G_{sc}$ es invariante en todos los miembros de esta clase.
  • Razonamiento: Las reversiones de ciclos ocurren estrictamente dentro de los CCA y no alteran la partición de CCA en sí misma. Además, las aristas entre diferentes CCA (aristas inter-clúster) no pueden estar en un ciclo dirigido; por lo tanto, las reversiones de ciclos no pueden añadir, eliminar o redirigir estas aristas. En consecuencia, el DAG a nivel de clúster es completamente identificable a partir de datos observacionales por sí solos.

3. Algoritmo: Recuperación de la Condensación

El procedimiento propuesto (Algoritmo 1) recupera la condensación en tiempo polinómico:

1. Estimación: Aplicar FastICA a los datos observacionales para estimar la matriz de desmezcla $\hat{W}$.
2. Permutación: Seleccionar una única permutación de filas admisible $P$ (por ejemplo, mediante el algoritmo húngaro) tal que la diagonal de $P\hat{W}$ sea no nula.
3. Construcción de Candidato: Calcular una matriz de adyacencia candidata $\hat{B} = I - \text{diag}(P\hat{W})^{-1}P\hat{W}$.
4. Umbralización: Aplicar un umbral $\tau$ a $\hat{B}$ para determinar el soporte (aristas).
5. Extracción de CCA: Aplicar el algoritmo de Tarjan al soporte de $\hat{B}$ para identificar los CCA.
6. Construcción de Condensación: Formar el grafo cociente donde los nodos son los CCA y existen aristas si hay alguna arista entre los clústeres correspondientes en $\hat{B}$.

Complejidad: El algoritmo se ejecuta en un tiempo de $O(k \cdot n \cdot d^2 + d^3)$ en el peor de los casos, donde $n$ es el tamaño de la muestra, $d$ es el número de variables y $k$ es el número de iteraciones de ICA. Esto evita la complejidad de $O(d!)$ de enumerar todos los miembros de la clase de equivalencia.

Resultados Clave

El artículo proporciona garantías teóricas y validación empírica en datos sintéticos:

• Garantías Teóricas:

  • Identificabilidad: La condensación $G_{sc}$ es identificable a partir de datos observacionales sin invocar suposiciones de estabilidad ni restricciones de ciclos disjuntos.
  • Complejidad de Muestra: El artículo deriva límites que muestran que recuperar la condensación verdadera con probabilidad $1-\delta$ requiere un tamaño de muestra $n = \Theta(d / (\beta_{min}^2 \sqrt{\delta}))$, donde $\beta_{min}$ es el peso de arista no nulo mínimo.
  • Modos de Fallo: Los autores caracterizan dos modos de fallo de la umbralización: (a) dividir un CCA verdadero debido a aristas omitidas (refinamiento) y (b) fusionar CCA distintos debido a aristas espurias (coarsening).

• Rendimiento Empírico:

  • Consistencia: Los experimentos en SCM cíclicos LiNG sintéticos ($d=10$) muestran que el Índice Rand Ajustado (ARI) de la partición de CCA recuperada y la puntuación F1 del DAG de clúster convergen a 1 a medida que aumenta el tamaño de la muestra, independientemente de si el sistema está en un régimen estable ($\rho(B) < 1$) o inestable ($\rho(B) > 1$).
  • Escalabilidad: En comparación con la línea base de ciclos disjuntos más avanzada [9], el método propuesto escala significativamente mejor. Mientras que el tiempo de ajuste de la línea base crece exponencialmente y el rendimiento se estabiliza para $d \ge 50$, el método propuesto mantiene una alta precisión y tiempos de ajuste inferiores a 10 segundos incluso para $d=100$.
  • Robustez: El método recupera con éxito la estructura a nivel de clúster incluso cuando la estructura a nivel de variable no es identificable (por ejemplo, en el régimen inestable donde el filtro "primero estable" falla al recuperar la verdadera $B$).

Significado y Afirmaciones

El artículo afirma cerrar la brecha entre el modelado causal cíclico y la abstracción causal:

1. Resolución de la Ambigüedad: Proporciona un representante natural para la clase de equivalencia distribucional de modelos LiNG cíclicos. Aunque el grafo micro exacto es ambiguo, la condensación es un objeto único e identificable que captura el flujo causal entre clústeres de variables.
2. Habilitación de Inferencia Causal Aguas Abajo: Al identificar $G_{sc}$ a partir de datos observacionales, el artículo suministra el prerrequisito necesario para aplicar teoremas de identificación de C-DAG (DAG de Clúster) (de [2]). Esto permite a los investigadores realizar la identificación de efectos causales a nivel de clúster en sistemas cíclicos utilizando maquinaria acíclica estándar, una tarea previamente limitada a sistemas acíclicos o que requería datos de intervención.
3. Eficiencia Computacional: El enfoque ofrece una alternativa de tiempo polinómico a los métodos de tiempo exponencial para aprender resúmenes causales, haciéndolo aplicable a problemas de mayor dimensión.
4. Suposiciones Relajadas: A diferencia de trabajos anteriores que requerían ciclos disjuntos o asimetría específica del ruido, este enfoque se basa únicamente en la no gaussianidad general y en ICA estándar, aplicable a ciclos superpuestos.

Los autores señalan limitaciones, específicamente que el método asume la ausencia de confusores latentes (o requiere extensiones de ICA sobrecompletas) y que como máximo un componente de ruido puede ser gaussiano para evitar que la ambigüedad rotacional fusione CCA distintos. Posicionan el trabajo como un paso fundamental hacia el descubrimiento causal práctico en sistemas complejos y cíclicos.