Resumen Técnico: DoTime

Planteamiento del Problema

Los benchmarks actuales para la inferencia causal en series temporales son predominantemente observacionales, de pequeña escala o están restringidos a dominios específicos. Esto deja una brecha crítica en la evaluación de la estimación intervencionista y contrafactual, que son esenciales para aplicaciones de alto riesgo como la atención médica, la evaluación de políticas y las ciencias climáticas. Las herramientas existentes sufren tres limitaciones principales:

1. Sesgo Observacional: Generadores como Dream3 y NetSim se centran en el descubrimiento estructural en lugar de la estimación de efectos ($p(Y|do(A))$), entrenando modelos con datos que nunca los exponen a intervenciones.
2. Problemas de Escalabilidad: Los conjuntos de datos intervencionistas del mundo real (por ejemplo, Causal Chambers) son demasiado pequeños para entrenar modelos fundacionales.
3. Limitaciones Estáticas: Los benchmarks estáticos (ACIC, IHDP) ignoran la dinámica temporal, mientras que los benchmarks dinámicos recientes (CausalDynamics) se centran en la recuperación de grafos a partir de datos observacionales en lugar de la estimación de efectos intervencionistas.

Consecuentemente, los modelos entrenados para responder a consultas $do(\cdot)$ suelen ajustarse y puntuarse sobre datos puramente observacionales ($p(Y|A)$), creando un sesgo que no logra validar las verdaderas capacidades de razonamiento causal.

Metodología: El Marco DoTime

DoTime es un generador abierto, escalable y teóricamente fundamentado de Modelos Causales Estructurales Temporales (TSCMs, por sus siglas en inglés) multivariantes. Opera mediante un pipeline que muestrea priors estructurales, simula trayectorias bajo condiciones tanto observacionales como intervencionistas, y proporciona objetivos de verdad fundamental (ground-truth) exactos.

Componentes Principales

1. Modelos Causales Estructurales Temporales (TSCMs):

   • Definidos por una colección de grafos $\mathcal{G} = (G_0, G_{1:K})$, donde $G_0$ es un DAG instantáneo y $G_{1:K}$ son adyacencias rezagadas (lagged).
   • La dinámica sigue $X^i_t = f_i(Pa^0_i(X_t), Pa^{1:K}_i(X_{t-1:t-K})) + \varepsilon^i_t$.
   • Las intervenciones anulan el mecanismo $f_i$ para nodos específicos durante ventanas de tiempo determinadas.

2. Niveles de Verdad Fundamental (Jerarquía de Pearl):

   • Nivel 2 (Intervencionista): El brazo intervenido extrae un nuevo ruido exógeno del prior $P(\varepsilon)$.
   • Nivel 3 (Contrafactual): El brazo intervenido reutiliza el mismo flujo de ruido $\varepsilon$ que generó la trayectoria observacional. La suite de tiempo continuo de DoTime genera contrafactuales de Nivel 3 por construcción; las suites de tiempo discreto proporcionan gemelos intervencionistas de Nivel 2.

3. Extensiones Clave Más Allá de los Generadores Previos:

   • Tipos de Intervención: Soporta intervenciones duras ($do(A_t=v)$), suaves (desplazamientos aditivos) e intervenciones variables en el tiempo.
   • Ventanas de Tiempo Continuo: Generaliza las intervenciones de un solo paso a ventanas $do(A[t_0, t_1]=v)$ utilizando la integración de Euler–Maruyama de las SDE subyacentes. Esto permite rejillas de observación irregulares (con jitter o de Poisson).
   • Modos Contrafactuales: Incluye un "guardián de positividad" que recorta los valores de intervención al soporte observado ($\hat{\mu} \pm 3\hat{\sigma}$), distinguiendo entre contrafactuales de extrapolación y de soporte.
   • Cambio de Régimen: Implementa cadenas de régimen de Markov pegajosas sobre los parámetros del SCM, generalizando los diseños de Series Temporales Interrumpidas (ITS) a cambios estocásticos y múltiples regímenes.

4. Priors de Grafo y Mecanismo:

   • Grafos: $G_0$ es un Erdős–Rényi con aciclicidad garantizada por construcción (máscara triangular superior). Los bordes rezagados siguen un decaimiento geométrico.
   • Mecanismos: Muestreados uniformemente de un conjunto diverso que incluye lineales, tanh, sin, cos, ReLU y composiciones.
   • Ruido: Escalas muestreadas de exponenciales desplazadas.

Contribuciones Clave

El artículo lanza el ecosistema DoTime, que comprende:

1. El paquete PyPI dotime: Contiene el generador, los cargadores de suites y el armazón de evaluación.
2. Cuatro Suites de Evaluación Congeladas:
   • dot-Identifiability-v1: 10,800 trayectorias a través de 8 estructuras de identificación nombradas (ej. Back-Door, Front-Door, Variable Instrumental, Confundidor No Observado).
   • dot-RegimeSwitch-v1: 10,000 trayectorias con densidades de régimen de 2, 3 o 5.
   • dot-Continuous-v1: 10,000 trayectorias con ventanas de intervención de tiempo continuo y diferentes desfases de consulta (query offsets).
   • dot-Generic-100k: 100,000 trayectorias del full diverse prior, dimensionadas para el pre-entrenamiento de modelos fundacionales.
3. Baselines de Referencia: Implementaciones de heurísticas (TrajMean, AR1), métodos clásicos (VAR, BackDoorOLS, IV2SLS) y un Do-Over-Time-PFN (Red Ajustada a Priores) entrenado tanto en contextos intervencionistas como observacionales.

Resultados

El artículo evalúa el Do-Over-Time-PFN frente a los baselines y un gemelo observacional de idéntica capacidad.

• Limitaciones de Métricas: En estos TSCMs no lineales, las métricas estándar de RMSE están cerca de la saturación (los modelos se agrupan alrededor de las medias). El artículo argumenta que la precisión de dirección (predecir el signo del efecto) es la señal discriminante para la calidad causal.
• Entrenamiento Intervencionista vs. Observacional:
  • Un modelo entrenado con datos intervencionistas ($PFN_{int}$) supera consistentemente a un modelo idéntico entrenado solo con datos observacionales ($PFN_{obs}$) en términos de precisión de dirección.
  • Magnitud de la Brecha: En la suite Identifiability, $PFN_{int}$ logra una precisión de 0.66 frente al 0.57 de $PFN_{obs}$ (brecha de +0.08). En Generic, la brecha es de +0.04.
  • Robustez: Esta ventaja persiste a través de tres semillas de entrenamiento, cuatro longitudes de trayectoria ($T \in \{200, 500, 1000, 2000\}$) y tres estructuras de identificación (Back-Door, Front-Door, IV). La brecha agrupada es de +0.09 con una desviación estándar semilla-a-semilla de solo 0.005.
• Contexto de Tiempo de Prueba: La ventaja se atribuye al pre-entrenamiento intervencionista, no simplemente al ver el valor de la intervención en el tiempo de prueba. Los modelos observacionales (TabPFN, Chronos-2) a los que se les dio el valor de la intervención en el tiempo de prueba no mostraron brecha de precisión.
• Transferencia Zero-Shot: El PFN entrenado sintéticamente se transfiere a dominios del mundo real (túnel de viento de Causal Chambers y farmacocinética de Warfarina). Aunque no rastrea micro-oscilaciones de alta frecuencia, recupera con éxito la reubicación de régimen (nivel operativo post-intervención) donde los baselines ingenuos fallan.

Significado y Reivindicaciones

El artículo posiciona a DoTime como el primer benchmark abierto y escalable diseñado específicamente para series temporales intervencionistas y contrafactuales. Su reivindicación principal es una hipótesis falsable: El entrenamiento intervencionista otorga una ventaja medible en la precisión de dirección sobre un modelo observacional de idéntica capacidad.

Los autores demuestran que:

1. Comprensión Causal: El benchmark logra aislar la comprensión causal con una capacidad fija, donde las métricas de regresión tradicionales fallan.
2. Necesidad de Datos Sintéticos: Los datos intervencionistas del mundo real son escasos; DoTime proporciona una alternativa principista y teóricamente fundamentada para el entrenamiento de modelos fundacionales.
3. Limitaciones: Los autores son modestos respecto al alcance. Las suites actuales utilizan $N \le 10$ variables y $K \le 3$ rezagos (aunque el generador soporta más). Los datos sintéticos aún no cubren confundidores de tendencia/estacionalidad o observabilidad parcial más allá de los confundidores ocultos. Los resultados de transferencia a datos reales se presentan como una prueba de concepto de "reubicación de régimen" en lugar de un dominio competitivo sobre herramientas específicas de dominio.

En resumen, DoTime proporciona la infraestructura para mover la inferencia causal de series temporales desde el descubrimiento estructural sobre datos observacionales hacia la estimación rigurosa de efectos bajo intervención, validando que el entrenamiento con datos intervencionistas sintéticos produce modelos con capacidades de razonamiento causal superiores.