Rethinking Chronological Causal Discovery with Signal Processing

1. Problématique

L'article aborde un défi fondamental dans la découverte causale chronologique (Chronological Causal Discovery - CCD) : la sensibilité des algorithmes d'inférence causale aux paramètres d'échantillonnage et de modélisation temporelle.

• Le Conflit Temporel : Les données du monde réel (biologiques, physiques) sont souvent enregistrées à des intervalles de temps discrets, déterminés par un taux d'échantillonnage ($f_S$) et une fenêtre d'observation ($Q$). Il n'y a aucune garantie que ces paramètres correspondent aux dynamiques sous-jacentes du système continu.
• L'Écart de Modélisation : La plupart des méthodes de "Causal ML" (Machine Learning Causal) utilisent des modèles discrets sans vérifier leur fidélité par rapport aux équations différentielles continues qui régissent la génération des données.
• La Question Centrale : Comment la variation du taux d'échantillonnage (via le sous-échantillonnage) et de la longueur de la fenêtre temporelle (mémoire du modèle) affecte-t-elle la capacité des méthodes classiques et modernes à détecter correctement les relations de causalité ?

2. Méthodologie

Les auteurs adoptent une perspective de traitement du signal pour analyser les méthodes de découverte causale.

• Cadre Théorique :

  • Ils définissent un processus générateur de données $x_t = F(x_{t-1}, ..., x_{t-Q}, w_t)$, où $Q$ est la longueur de la fenêtre (mémoire) et $w_t$ un bruit exogène.
  • Ils introduisent la notion de sous-échantillonnage avec un facteur $k = f_{S}^{original} / f_{S}^{new}$, équivalent à l'augmentation de la période d'échantillonnage $\tau$.
  • Ils distinguent deux types de graphes de sortie : les graphes de fenêtre (détails des retards temporels spécifiques) et les graphes de résumé (présence globale d'une relation causale).

• Méthodes Évaluées :
  L'étude compare une gamme de méthodes, classées en deux catégories :

  1. Méthodes "Classiques" (issues de l'économétrie, des neurosciences, du climat) :
     • Granger Causality (GC) et Transfer Entropy (TE) : Basées sur la prédiction et l'information mutuelle.
     • Convergent Cross Mapping (CCM) : Basée sur la reconstruction d'espaces d'états (théorème de Takens).
  2. Méthodes "Modernes" (Causal ML) :
     • PCMCI / PCMCI+ : Basées sur l'indépendance conditionnelle.
     • DYNOTEARS : Approche basée sur le gradient pour l'apprentissage de graphes acycliques.
     • VARLiNGAM : Modèles linéaires non gaussiens.

• Protocole Expérimental :

  • Simulation d'un système bivarié ($x \to y$) où $y$ est généré par un filtre à retard appliqué à $x$ avec un bruit additif.
  • Le retard de propagation réel est fixé à 50 échantillons à la fréquence de base.
  • Expérience A : Variation de la longueur de la fenêtre $Q$ (de 1 à 100) avec un taux d'échantillonnage fixe.
  • Expérience B : Variation du facteur de sous-échantillonnage $k$ (de 1 à 100) avec une fenêtre fixe.
  • Métrique : Utilisation du score F1 (combinaison de Précision et Rappel) pour évaluer la qualité de la reconstruction du graphe causal, comparant les matrices d'adjacence prédites et réelles.

3. Résultats Clés

Les expériences démontrent une sensibilité critique des méthodes aux hyperparamètres :

• Impact de la Longueur de Fenêtre ($Q$) :

  • Pour la Granger Causality (GC) et la Transfer Entropy (TE), la causalité n'est détectée de manière fiable que si $Q$ couvre le retard de propagation réel.
  • Si $Q$ est trop petit ($< 50$ dans l'expérience), le signal causal est manqué.
  • Si $Q$ est trop grand, la performance se dégrade (bruit, surajustement).
  • La TE ne détecte la causalité que lorsque la fenêtre correspond précisément au délai de propagation.

• Impact du Taux d'Échantillonnage (Sous-échantillonnage $k$) :

  • Le sous-échantillonnage excessif dégrade sévèrement les performances de toutes les méthodes.
  • Il existe une "fenêtre de détection" heuristique : le sous-échantillonnage ne fonctionne bien que si le retard réel (50 échantillons) est contenu dans la nouvelle fenêtre de $Q$ échantillons après sous-échantillonnage.
  • Cependant, cette fenêtre est difficile à calculer en pratique car le retard réel est inconnu.

• Comparaison des Algorithmes :

  • Les méthodes modernes (PCMCI, DYNOTEARS, VARLiNGAM) montrent également une forte dépendance à $Q$ et $k$.
  • Les graphes de causalité inférés (représentés par des cartes de chaleur de scores F1) changent radicalement selon les hyperparamètres choisis. Une configuration qui donne un graphe parfait (F1=1) pour un algorithme peut échouer totalement pour un autre.
  • Il n'existe pas de paramètre universel "optimal" ; la robustesse est spécifique à l'algorithme.

4. Contributions Principales

1. Perspective de Traitement du Signal : L'article réintroduit les concepts de traitement du signal (taux d'échantillonnage, fenêtre temporelle, aliasing) dans le domaine de la découverte causale, souvent traité uniquement sous l'angle statistique ou ML.
2. Preuve Empirique de Sensibilité : Démonstration systématique que les méthodes de pointe (Causal ML) ne sont pas robustes aux choix de $Q$ et $k$, tout comme les méthodes classiques (GC).
3. Analyse des Phénomènes Extrêmes : Mise en évidence du fait que des choix extrêmes d'hyperparamètres peuvent mener à des conclusions causales erronées (faux positifs ou faux négatifs), même avec des données générées par un processus causal simple.
4. Appel à une "Théorème de Nyquist Causal" : Les auteurs proposent l'idée d'un équivalent du théorème de Nyquist-Shannon pour la causalité. Alors que Nyquist définit la limite pour la reconstruction du signal, un "Nyquist Causal" définirait la limite minimale de taux d'échantillonnage nécessaire pour inférer correctement la structure causale, en fonction des propriétés spectrales du mécanisme causal.

5. Signification et Implications

• Fiabilité des Résultats : Les résultats mettent en garde contre l'utilisation aveugle des outils de découverte causale sur des données temporelles sans analyse préalable de la résolution temporelle. Un résultat "nul" ou "faux" peut être un artefact du sous-échantillonnage ou d'une fenêtre mal choisie, et non une absence de causalité.
• Convergence des Disciplines : L'article souligne la nécessité d'une collaboration entre la communauté du traitement du signal et celle du Causal ML. Les méthodes de sélection de fenêtre (comme les voisins les plus proches faux) et les critères d'information (AIC/BIC) doivent être mieux intégrées.
• Défis Futurs : La définition d'un critère théorique (comme un taux de Nyquist causal) pour guider le choix des hyperparamètres reste un problème ouvert. Les auteurs suggèrent que la communauté du traitement du signal peut offrir des outils pour comprendre comment les filtres et les dynamiques spectrales influencent l'inférence causale.

En résumé, cet article démontre que la fidélité temporelle est aussi cruciale que la complexité algorithmique en découverte causale. Ignorer les paramètres d'échantillonnage peut rendre les modèles les plus sophistiqués inefficaces ou trompeurs.