Reconciling Causality and Non-Equilibrium Thermodynamics with Hamiltonian Causal Models

Resumen Técnico: Reconciliación de la Causalidad y la Termodinámica de No Equilibrio con Modelos Causales Hamiltonianos

Planteamiento del Problema

Los modelos causales estadísticos estándar (por ejemplo, los Modelos Causales Estructurales, los resultados potenciales) enfrentan desafíos significativos cuando se aplican a fenómenos físicos temporales. Estos marcos suelen tener dificultades para acomodar de forma nativa:

1. Intervenciones a nivel de trayectoria: Intervenciones que actúan como controles dependientes del tiempo a lo largo de la trayectoria de un sistema, en lugar de asignaciones estáticas.
2. No estacionariedad: Leyes inducidas que cambian con el tiempo.
3. Dependencia de la trayectoria: Efectos causales que dependen de la historia específica del sistema, no solo de los estados finales.
4. Retroalimentación y Ciclos: Dependencias cíclicas que se desarrollan dinámicamente a través del tiempo.

Además, existe una brecha conceptual entre la causalidad estadística y la causalidad física. En la física, la dirección causal está ligada a la flecha del tiempo termodinámica (irreversibilidad), mientras que los modelos causales estándar suelen tratar las leyes con simetría de reversión temporal como compatibles con la asimetría causal. Los marcos existentes requieren construcciones ad hoc para manejar estas realidades físicas, fallando al distinguir entre las ecuaciones de movimiento inmutables y los mecanismos intervenibles.

Metodología: Modelos Causales Hamiltonianos (HCM)

Los autores introducen los Modelos Causales Hamiltonianos (HCM), un marco a nivel de trayectoria donde las variables observadas interactúan con entornos térmicos locales (baños) no observados.

Definiciones Centrales

• Estructura del Sistema: Un HCM se define sobre una variedad simpléctica $\Gamma = \Gamma_X \times \Gamma_E$, donde $X$ representa las variables observadas y $E$ representa los baños no observados.
• Descomposición Hamiltoniana: El sistema evoluciona mediante un Hamiltoniano $H(z, \lambda)$ que se descompone en:
  • Potenciales intrínsecos ($H_{self}$).
  • Acoplamientos con padres causales ($H_{mech}$).
  • Acoplamientos con baños locales ($H_{bath}$).
  • Dinámica libre del entorno ($H_E$).
    Esta descomposición desempeña el papel de la factorización de Markov causal en los Modelos Causales Estructurales clásicos.
• Intervenciones: Las intervenciones se modelan como políticas dependientes del tiempo $\lambda(t)$ que modifican la función Hamiltoniana (específicamente los mecanismos $H_{mech}$ y $H_{bath}$) pero no alteran las ecuaciones de movimiento subyacentes (la estructura simpléctica). Esto separa los mecanismos intervenibles de las leyes físicas inmutables.
• Efecto Causal: Se define como una discrepancia entre las leyes de trayectoria de una variable bajo diferentes políticas de intervención. A diferencia de los efectos de tratamiento promedio (ATE) estándar, que a menudo se centran en puntos temporales únicos o sumas acumuladas, los HCM definen los efectos causales sobre todo el espacio de trayectorias.

Integración Termodinámica

El marco aprovecha la termodinámica de no equilibrio para cuantificar la influencia causal:

1. Trabajo: La energía realizada por una intervención. Los autores demuestran que las tasas de trabajo pueden identificar qué variables participan en un mecanismo local (paternidad gráfica), siempre que el Hamiltoniano sea conocido.
2. Producción de Entropía ($\Sigma$): Una cantidad del espacio de trayectorias que mide la irreversibilidad de un proceso comparando la ley de la trayectoria hacia adelante con su contraparte de tiempo revertido.
   • Producción de Entropía Local Proyectada: Una cantidad estimable a partir de la trayectoria marginal de un solo nodo, que sirve como testigo de los efectos causales.
   • Tasa de Producción de Entropía Local: Una métrica refinada para difusiones de Langevin controladas que, al ser sometida a intervenciones "derecha-locales" infinitesimales, puede distinguir entre padres directos y ancestros indirectos.

Contribuciones Clave

1. Marco Formal: La introducción de los HCM, que unifica los sistemas hamiltonianos controlados con el modelado causal, permitiendo la descripción nativa de intervenciones dinámicas, adaptativas y cíclicas.
2. Observables Causales Termodinámicos:
   • Demostración de que las tasas de trabajo identifican a los padres gráficos cuando el Hamiltoniano es conocido.
   • Prueba de que la producción de entropía proyectada actúa como un testigo de los efectos causales, detectando discrepancias a nivel de trayectoria invisibles para los ATE de punto final o acumulativos.
   • Derivación de un criterio de respuesta de producción de entropía local (Teorema 3.9) que identifica estructuras de padres directos en sistemas de Langevin no estacionarios y cíclicos mediante intervenciones infinitesimales.
3. Unificación Teórica: Demostración de que los HCM recuperan los SCM clásicos y las generalizaciones cíclicas como casos especiales estacionarios (mediante el límite de gran tamaño de baño y parámetros de inercia pequeños), extendiéndose naturalmente a regímenes de no equilibrio.

Resultados Experimentales

Los autores validan la teoría a través de dos conjuntos de experimentos:

1. Validación de la Detección Causal a Nivel de Trayectoria (Proposición 3.7):

   • Configuración A (Mismos Puntos Finales): Una cadena lineal de osciladores impulsada por dos protocolos que alcanzan el mismo estado final mediante diferentes trayectorias. El ATE de punto final estándar es cero por diseño.
   • Configuración B (Tiempo Revertido): Un sistema con un mediador oculto que recibe pulsos en orden inverso. El ATE acumulativo es cero debido a la simetría de traslación temporal.
   • Resultado: En ambos casos, los estimandos estándar no detectaron la diferencia causal. Sin embargo, la producción de entropía proyectada distinguió con éxito los protocolos con una alta significancia estadística, confirmando que detecta efectos a nivel de trayectoria invisibles para los ATE estándar.

2. Descubrimiento de Padres en Sistemas Cíclicos (Teorema 3.9):

   • Configuración: Grafos de Erdős–Rényi cíclicos aleatorios ($n=15$) instanciados con tres familias de potenciales (Bilineal, Sigmoide, Cúbica).
   • Método: Estimación de la respuesta de la producción de entropía local $R_{i|j}$ a intervenciones infinitesimales.
   • Resultado: El método logró una recuperación de recall casi perfecta y una fuerte precisión en la recuperación de estructuras de padres directos en estos entornos desafiantes, no estacionarios y cíclicos, superando a los enfoques estándar que tienen dificultades con los ciclos.

Significado y Reivindicaciones

El artículo afirma ofrecer un "nuevo lenguaje" para la causalidad estadística que se alinea naturalmente con cómo surge la causalidad en los sistemas físicos.

• Reconciliación: Une los modelos causales estadísticos con la termodinámica de no equilibrio, tratando la flecha del tiempo termodinámica como la fuente de la asimetría causal.
• Novedad en el Descubrimiento Causal: Proporciona herramientas para describir la causalidad en sistemas donde las intervenciones son dinámicas y existen bucles de retroalimentación, áreas donde los SCM estándar a menudo requieren correcciones ad hoc.
• Interpretabilidad Física: Al fundamentar los efectos causales en la producción de entropía, el marco ofrece una métrica de la causalidad físicamente significativa y estimable mediante datos que captura la irreversibilidad.

Los autores mantienen la modestia respecto a direcciones futuras, señalando que, si bien los HCM generalizan a los SCM, no describen inmediatamente SCM temporales generales con derivas de no gradiente. Identifican la extensión a tales marcos y el desarrollo de algoritmos de descubrimiento causal basados en el aprendizaje Hamiltoniano como pasos siguientes prominentes.