तकनीकी सारांश: आंशिक रूप से प्रेक्षित संरचनात्मक कारण मॉडल (Partially Observed Structural Causal Models - POSCMs)

समस्या विवरण

मानक संरचनात्मक कारण मॉडल (SCMs) आमतौर पर कारण ग्राफ़ (causal graphs) को स्थिर, बाह्य संरचनाओं के रूप में मानते हैं जहाँ तंत्र प्रेक्षित चरों पर कार्य करते हैं। हालाँकि, कई वास्तविक दुनिया की प्रणालियाँ—विशेष रूप से जीव विज्ञान, सामाजिक विज्ञान और इंजीनियरिंग में—अधिक जटिल गतिकी प्रदर्शित करती हैं: अंतःक्रिया संरचना (किनारों/edges) और डाउनस्ट्रीम तंत्र (mechanisms), दोनों ही गुप्त संदर्भों (latent contexts) द्वारा सह-निर्धारित होते हैं। उदाहरण के लिए, तंत्रिका विज्ञान (neuroscience) में, एक न्यूरॉन का कोशिका प्रकार (संदर्भ) उसके सिनैप्टिक जुड़ाव (संरचना) और उसकी शारीरिक प्रतिक्रिया (तंत्र) दोनों को निर्धारित करता है, फिर भी ये संदर्भ अक्सर केवल आंशिक रूप से प्रेक्षित या परोक्ष रूप से अनुमानित होते हैं।

वर्तमान कारण खोज (causal discovery) विधियाँ इस क्षेत्र में संघर्ष करती हैं क्योंकि वे निश्चित ग्राफ़ और पूर्णतः प्रेक्षित चरों को मान लेती हैं। जब संरचना का निर्माण गुप्त प्रक्रियाओं के अंतर्जात (endogenous) होता है और चरों, संदर्भों और किनारों के केवल आंशिक अवलोकन उपलब्ध होते हैं, तो मानक SCMs यह भेद करने में विफल रहते हैं कि "कौन किससे जुड़ा है" और "वे कैसे परस्पर क्रिया करते हैं।" यह कार्य पूर्णतः प्रेक्षित SCMs और आंशिक रूप से प्रेक्षित प्रणालियों की वास्तविकता के बीच के अंतर को पाटता है, जहाँ संरचना और तंत्र गुप्त संदर्भों के साथ उलझे हुए होते हैं।

कार्यप्रणाली (Methodology)

1. औपचारिकता: आंशिक रूप से प्रेक्षित संरचनात्मक कारण मॉडल (POSCMs)

लेखक आंशिक रूप से प्रेक्षित संरचनात्मक कारण मॉडल (POSCMs) प्रस्तुत करते हैं, जो एक ऐसा ढांचा है जहाँ गुप्त संदर्भ ($\beta$) इन दोनों को नियंत्रित करते हैं:

1. संरचना निर्माण (Structure Formation): निर्देशित किनारों ($A$) का स्टोकेस्टिक उत्पादन।
2. मान तंत्र (Value Mechanisms): वास्तविक ग्राफ़ के साथ प्रेक्षित चरों ($V$) का उत्पादन।

यह ढांचा एक क्रमबद्ध पीढ़ी (ordered generation) प्रक्रिया पर आधारित है (जो साइमन की कारण व्यवस्था और बारासी-अलबर्ट की क्रमिक नोड आगमन पद्धति का विस्तार है)। पीढ़ी प्रक्रिया एक टोपोलॉजिकल क्रम $\tau$ के अनुसार दो चरणों में आगे बढ़ती है:

• चरण I (संरचना और संदर्भ): प्रत्येक नोड $i$ के लिए, इनकमिंग किनारे $A_{ji}$ एक स्ट्रक्चरल कर्नेल $\alpha$ से स्रोत संदर्भ $\beta_j$ पर आधारित होकर खींचे जाते हैं। इसके बाद, $\beta_i$ का संदर्भ, उसके वास्तविक पैरेंट नोड्स के संदर्भों के आधार पर उत्पन्न किया जाता है। यह नेस्टेड प्रक्रिया सुनिश्चित करती है कि समग्र ग्राफ़ $(\beta, A, V)$ पर अचक्रीय (acyclic) रहे।
• चरण II (तंत्र और चर): स्थानीय संदर्भ $\beta_i$ और वास्तविक पैरेंट सेट के आधार पर तंत्र $f_i$ आवंटित किए जाते हैं। अंत में, अंतर्जात चर $V_i$ उत्पन्न किए जाते हैं।

एक अवलोकन मॉडल (observation model) $O$ स्पष्ट रूप से परिभाषित करता है कि क्या प्रेक्षित है (जैसे, शोर युक्त $V$, गुप्त $\beta$, या अप्रेक्षित $A$), जिससे कारण प्रक्रिया को अवलोकन प्रक्रिया से अलग किया जाता है।

2. संदेश-संवर्धित प्रतिनिधित्व और KAS अपघटन (Message-Augmented Representation & KAS Decomposition)

व्यक्तिगत किनारों पर "सर्जिकल" हस्तक्षेप करने में सक्षम होने के लिए, लेखक कोलमोगोरोव-आर्नोल्ड-स्पीकर (KAS) एज फंक्शन अपघटन को अपनाते हैं।

• प्रमेय: किसी भी निरंतर तंत्र (continuous mechanism) को उसके पैरेंट्स के एकरूपी (univariate) फलनों के योग के रूप में दर्शाया जा सकता है।
• अनुप्रयोग: यह लेखकों को प्रत्येक द्वय (dyad) के लिए संदेश चर ($M_{i \leftarrow j}$) को परिभाषित करने की अनुमति देता है। नोड $i$ पर तंत्र को प्राप्त संदेशों के एकत्रीकरण के रूप में देखा जाता है।
• महत्व: यह अपघटन द्वय कार्यात्मक योगदानों का एक स्पष्ट पैरामीट्रिकरण प्रदान करता है, जिससे स्रोत नोड या अन्य किनारों को बदले बिना एक एकल एज चैनल को लक्षित करने वाले हस्तक्षेपों को परिभाषित करना संभव हो जाता है।

3. हस्तक्षेप पदानुक्रम (Intervention Hierarchy)

POSCMs चार मौलिक प्रकारों के हस्तक्षेपों वाला एक पदानुक्रम परिभाषित करते हैं:

1. $\beta$-नोड हस्तक्षेप: एक नोड के गुप्त संदर्भ को सेट करना (जैसे, कोशिका प्रकार बदलना)।
2. $V$-नोड हस्तक्षेप: एक प्रेक्षित चर के मान को सेट करना (मानक do-operator)।
3. $\beta$-एज हस्तक्षेप: एक विशिष्ट चैनल पर संदर्भ-संदेश फलन को बदलना।
4. $V$-एज हस्तक्षेप: एक विशिष्ट चैनल पर मान-संदेश फलन को बदलना।

यह पदानुक्रम संरचना और तंत्र के "सर्जिकल" हेरफेर को सक्षम बनाता है, जो POSCMs को मानक SCMs से अलग करता है जहाँ एज हस्तक्षेप अक्सर वैचारिक होते हैं न कि परिचालन।

पहचान योग्यता सिद्धांत (Identifiability Theory)

यह कार्य स्थापित करता है कि किन शर्तों के तहत POSCM के घटकों को पहचाना जा सकता है, जिसमें बाधाओं और सकारात्मक परिणामों दोनों को रेखांकित किया गया है।

नकारात्मक परिणाम (बाधाएं)

• गुप्त संदर्भ (Latent Contexts): यदि संदर्भ अप्रेक्षित हैं और कोई $\beta$-हस्तक्षेप उपलब्ध नहीं है, तो स्ट्रक्चरल कर्नेल, संदर्भ प्रसार तंत्र और तंत्र असाइनमेंट ऑपरेटर, संदर्भ पुनर्रूपण (reparameterization) के परे पहचान योग्य नहीं हैं (प्रस्ताव 5.2)। नोड-स्तरीय डेटा ($V$) अकेले विभिन्न संदर्भ लेबलिंग के बीच समरूपता को हल नहीं कर सकता है।
• गुप्त किनारे (Latent Edges): यदि किनारे अप्रेक्षित हैं, तो $V$-नोड हस्तक्षेप $V$-एज हस्तक्षेपों के प्रभावों की भविष्यवाणी करने के लिए अपर्याप्त हैं। यह "संरचना और तंत्र का भ्रम" (confounding of structure and mechanism) पैदा करता है, जहाँ एक मॉडल जिसमें बार-बार कमजोर किनारे होते हैं, वह नोड-स्तरीय हस्तक्षेपों के तहत एक ऐसे मॉडल के समान दिखता है जिसमें दुर्लभ लेकिन मजबूत किनारे होते हैं, फिर भी वे एज-स्तरीय हस्तक्षेपों के तहत भिन्न होते हैं (लेम्मा 5.3)।

सकारात्मक परिणाम

• कर्नेल पहचान योग्यता (Kernel Identifiability): विशिष्ट धारणाओं (संदर्भ/मान पठन, $\beta$-नोड और $V$-नोड हस्तक्षेपों द्वारा संयुक्त कवरेज, और प्रोबिंग-आधारित संरचना पठन) के तहत, पॉपुलेशन कर्नेल (स्ट्रक्चरल कर्नेल $\alpha$, संदर्भ प्रसार $\phi$, और तंत्र ऑपरेटर $\Gamma$) पहचान योग्य हैं (प्रमेय 5.4)।
• द्वय संदेश पहचान योग्यता (Dyadic Message Identifiability): समृद्ध पहुंच (युग्मित दुनिया में एज-संदेश हस्तक्षेप या रीप्ले सहित) के साथ, विशिष्ट द्वय संदेश प्रिमिटिव्स को एक प्रतिनिधित्व गेज (representation gauge) तक पहचाना जा सकता है (प्रमेय C.3)।

प्रयोगात्मक सत्यापन (Experimental Validation)

लेखक अपने सैद्धांतिक भविष्यवाणियों को एक बायोफिजिकल रूप से विस्तृत वर्चुअल ह्यूमन रेटिना सिम्युलेटर (NEURON) का उपयोग करके मान्य करते हैं। रेटिना एक प्राकृतिक POSCM के रूप में कार्य करता है जहाँ कोशिका प्रकार (गुप्त $\beta$) कनेक्टिविटी और सिनैप्टिक फिजियोलॉजी को निर्धारित करते हैं।

1. प्रयोग 1 ($\beta$-हस्तक्षेप के बिना गैर-पहचान योग्यता): लेखकों ने "ट्विन" रेटिना मॉडल बनाए जहाँ कोशिका प्रकार लेबल और सिनैप्टिक नियमों को आपस में बदल दिया गया था। अवलोकनात्मक डेटा और $V$-नोड हस्तक्षेपों (वोल्टेज क्लैंप) के तहत, फायरिंग दर वितरण अविभेद्य थे (KS-test $p > 0.9$), जो प्रस्ताव 5.2 द्वारा अनुमानित पुनर्रूपण समरूपता की पुष्टि करता है।
2. प्रयोग 2 (संरचना और तंत्र का भ्रम): दो मॉडलों को नोड-स्तरीय क्लैंप के तहत समान औसत सिनैप्टिक ड्राइव प्रदर्शित करने के लिए कैलिब्रेट किया गया (एक उच्च घनत्व/कम चालकता के साथ, दूसरा कम घनत्व/उच्च चालकता के साथ)। जबकि नोड-स्तरीय हस्तक्षेपों ने समान प्रतिक्रियाएँ दीं, एज-स्तरीय हस्तक्षेपों (विशिष्ट सिनैप्स को बाधित करना) ने महत्वपूर्ण विसंगतियाँ प्रकट कीं (उच्च MMD), जो लेम्मा 5.3 को मान्य करता है।
3. प्रयोग 3 (कर्नेल पहचान योग्यता): संदर्भों (कोशिका प्रकार संरचना को बदलने के लिए रेटिनल उत्केंद्रता को बदलना) और मानों (वोल्टेज क्लैंप) के माध्यम से भ्रमण करके, लेखकों ने सफलतापूर्वक संदर्भ-निर्भर जनसंख्या संरचना और सिग्मोइडल सिनैप्टिक ट्रांसफर कर्व (BC $\to$ RGC) को पुनः प्राप्त किया, जो प्रमेय 5.4 के अनुरूप है।

मुख्य योगदान और महत्व

1. औपचारिक ढांचा: यह कार्य संरचना निर्माण को एक अंतर्जात कारण तंत्र के रूप में मानने वाले पहले औपचारिक ढांचे (POSCMs) को प्रदान करता है, जो संरचना और संदर्भ दोनों के आंशिक अवलोकन को ध्यान में रखता है।
2. हस्तक्षेप शब्दावली: यह एक KAS-आधारित, संदेश-संवर्धित प्रतिनिधित्व द्वारा सक्षम एज-स्तरीय संचालन सहित एक नवीन हस्तक्षेप पदानुक्रम पेश करता है। यह उन "सर्जिकल" कारण हेरफेर को सक्षम करता है जो मानक SCMs में अनिर्धारित थे।
3. पहचान योग्यता निदान (Identifiability Diagnostics): यह कार्य न केवल सकारात्मक गारंटी प्रदान करता है बल्कि विफलता मोड (गुप्त संदर्भों की समरूपता और गुप्त किनारों का भ्रम) का स्पष्ट रूप से निदान भी करता है। यह स्पष्ट करता है कि संरचना और तंत्र को अलग करने के लिए कौन से हस्तक्षेप परिवार आवश्यक हैं।
4. अनुभवजन्य प्रमाण-अवधारणा (Empirical Proof-of-Concept): वर्चुअल रेटिना प्रयोग यह प्रदर्शित करते हैं कि ये सैद्धांतिक बाधाएं और समाधान वास्तविक बायोफिजिकल प्रणालियों में मौजूद हैं और प्रस्तावित पठन और कवरेज धारणाओं के तहत कर्नेल-स्तरीय रिकवरी संभव है।

लेखक निष्कर्ष निकालते हैं कि POSCMs, SCMs का सामान्यीकरण करते हैं, जो एक ऐसी वास्तविकता के करीब है जहाँ अंतःक्रिया संरचनाएँ स्थिर ढांचे नहीं बल्कि गतिशील, संदर्भ-निर्भर परिणाम हैं जिनके बारे में तर्क किया जा सकता है और जिन पर हस्तक्षेप किया जा सकता है।