Sintesi Tecnica: Riconciliare la Causalità e la Termodinamica del Non-Equilibrio con i Modelli Causali Hamiltoniani

Definizione del Problema

I modelli causali statistici standard (ad esempio, i Modelli Causali Strutturali, i risultati potenziali) affrontano sfide significative quando applicati ai fenomeni temporali fisici. Tali framework faticano spesso ad accomodare nativamente:

1. Interventi a livello di traiettoria: Interventi che agiscono come controlli dipendenti dal tempo lungo il percorso di un sistema, piuttosto che come assegnazioni statiche.
2. Non-stazionarietà: Leggi indotte che cambiano nel tempo.
3. Dipendenza dal percorso: Effetti causali che dipendono dalla specifica storia del sistema, non solo dagli stati finali.
4. Feedback e Cicli: Dipendenze cicliche che si dispiegano dinamicamente attraverso il tempo.

Inoltre, esiste un divario concettuale tra causalità statistica e causalità fisica. In fisica, la direzione causale è legata alla freccia del tempo termodinamica (irreversibilità), mentre i modelli causali standard spesso trattano le leggi con simmetria di inversione temporale come compatibili con l'asimmetria causale. I framework esistenti richiedono costruzioni ad hoc per gestire queste realtà fisiche, fallendo nel distinguere tra equazioni del moto immutabili e meccanismi intervenibili.

Metodologia: Modelli Causali Hamiltoniani (HCM)

Gli autori introducono i Modelli Causali Hamiltoniani (HCM), un framework a livello di traiettoria in cui le variabili osservate interagiscono con ambienti termici locali (bagni) non osservati.

Definizioni Core

• Struttura del Sistema: Un HCM è definito su una varietà simplettica $\Gamma = \Gamma_X \times \Gamma_E$, dove $X$ rappresenta le variabili osservate e $E$ i bagni non osservati.
• Decomposizione Hamiltoniana: Il sistema evolve tramite un Hamiltoniano $H(z, \lambda)$ che si decompone in:
  • Potenziali intrinseci ($H_{self}$).
  • Accoppiamenti con i genitori causali ($H_{mech}$).
  • Accoppiamenti con i bagni locali ($H_{bath}$).
  • Dinamica dell'ambiente libero ($H_E$).
    Questa decomposizione svolge il ruolo della fattorizzazione di Markov causale nei Modelli Causali Strutturali classici.
• Interventi: Gli interventi sono modellati come policy dipendenti dal tempo $\lambda(t)$ che modificano la funzione Hamiltoniana (specificamente i meccanismi $H_{mech}$ e $H_{bath}$) ma non alterano le equazioni del moto sottostanti (la struttura simplettica). Ciò separa i meccanismi intervenibili dalle leggi fisiche immutabili.
• Effetto Causale: Definito come una discrepanza tra le leggi di percorso di una variabile sotto diverse policy di intervento. A differenza dei classici Effetti Medi del Trattamento (ATE) che spesso si concentrano su singoli istanti temporali o somme cumulative, gli HCM definiscono gli effetti causali sull'intero spazio delle traiettorie.

Integrazione Termodinamica

Il framework sfrutta la termodinamica del non-equilibrio per quantificare l'influenza causale:

1. Lavoro: L'energia fornita da un intervento. Gli autori dimostrano che i tassi di lavoro possono identificare quali variabili partecipano a un meccanismo locale (genitorialità grafica), a condizione che l'Hamiltoniano sia noto.
2. Produzione di Entropia ($\Sigma$): Una quantità nello spazio dei percorsi che misura l'irreversibilità di un processo confrontando la legge del percorso in avanti con la controparte invertita nel tempo.
   • Produzione di Entropia Locale Proiettata: Una quantità stimabile dalla traiettoria marginale di un singolo nodo, che funge da testimone per gli effetti causali.
   • Tasso di Produzione di Entropia Locale: Un metrica raffinata per le diffusionsi di Langevin controllate che, se sottoposta a interventi "destra-locali" infinitesimali, può distinguere i genitori diretti dagli antenati indiretti.

Contributi Chiave

1. Framework Formale: L'introduzione degli HCM, che unifica i sistemi Hamiltoniani controllati con la modellazione causale, permettendo la descrizione nativa di interventi dinamici, adattivi e ciclici.
2. Osservabili Causali Termodinamici:
   • Dimostrazione che i tassi di lavoro identificano i genitori grafici quando l'Hamiltoniano è noto.
   • Prova che la produzione di entropia proiettata funge da testimone per gli effetti causali, rilevando discrepanze a livello di percorso invisibili agli ATE terminali o cumulativi.
   • Derivazione di un criterio di risposta della produzione di entropia locale (Teorema 3.9) che identifica strutture di genitori diretti in sistemi di Langevin non stazionari e ciclici tramite interventi infinitesimali.
3. Unificazione Teorica: Dimostrazione che gli HCM recuperano gli SCM classici e le generalizzazioni cicliche come casi speciali stazionari (tramite il limite di grandi dimensioni del bagno e piccoli parametri inerziali), estendendosi naturalmente ai regimi di non-equilibrio.

Risultati Sperimentali

Gli autori validano la teoria attraverso due set di esperimenti:

1. Validazione del Rilevamento Causale a Livello di Percorso (Proposizione 3.7):

   • Setting A (Stessi Endpoint): Una catena lineare di oscillatori guidati da due protocolli che raggiungono lo stesso stato finale tramite percorsi diversi. L'ATE terminale standard è zero per costruzione.
   • Setting B (Tempo Invertito): Un sistema con un mediatore nascosto che riceve impulsi in ordine inverso. L'ATE cumulativo è zero a causa della simmetria di traslazione temporale.
   • Risultato: In entrambi i casi, gli estimandi standard non sono riusciti a rilevare la differenza causale. Tuttavia, la produzione di entropia proiettata ha distinto con successo i protocolli con un'alta significatività statistica, confermando che rileva effetti a livello di percorso invisibili agli ATE standard.

2. Scoperta dei Genitori in Sistemi Ciclici (Teorema 3.9):

   • Setting: Grafi ciclici casuali di tipo Erdős–Rényi ($n=15$) istanziati con tre famiglie di potenziali (Bilineare, Sigmoide, Cubica).
   • Metodo: Stima della risposta della produzione di entropia locale $R_{i|j}$ a interventi infinitesimali.
   • Risultato: Il metodo ha ottenuto una recall quasi perfetta e una forte precisione nel recuperare le strutture dei genitori diretti in questi contesti impegnativi, non stazionari e ciclici, superando gli approcci standard che faticano con i cicli.

Significato e Rivendicazioni

Il documento sostiene di offrire un "nuovo linguaggio" per la causalità statistica che si allinea naturalmente con il modo in cui la causalità emerge nei sistemi fisici.

• Riconciliazione: Colma il divario tra i modelli causali statistici e la termodinamica del non-equilibrio, trattando la freccia del tempo termodinamica come la fonte dell'asimmetria causale.
• Novità nella Scoperta Causale: Fornisce strumenti per descrivere la causalità in sistemi dove gli interventi sono dinamici e i loop di feedback esistono, aree in cui gli SCM standard richiedono spesso correzioni ad hoc.
• Interpretabilità Fisica: Fondando gli effetti causali nella produzione di entropia, il framework offre una metrica di causalità fisicamente significativa e stimabile dai dati, che cattura l'irreversibilità.

Gli autori rimangono modesti riguardo alle direzioni future, osservando che, sebbene gli HCM generalizzino gli SCM, non descrivono immediatamente SCM temporali generali con drift non gradienti. Identificano l'estensione a tali framework e lo sviluppo di algoritmi di scoperta causale basati sull'apprendimento Hamiltoniano come prossimi passi prominenti.