技術的概要：部分的に観測された構造的因果モデル（POSCMs）

問題定義

標準的な構造的因果モデル（SCM）は、通常、因果グラフを固定された外生的な構造として扱い、メカニズムが観測変数上で作用すると仮定する。しかし、生物学、社会科学、工学における多くの現実のシステムは、より複雑なダイナミクスを示す。すなわち、相互作用構造（エッジ）と下流のメカニズムは、潜在的文脈によって共決定される。例えば、神経科学において、ニューロンの細胞タイプ（文脈）は、そのシナプス結合（構造）と生理学的応答（メカニズム）の両方を決定するが、これらの文脈はしばしば部分的にしか観測されず、または間接的に推論されるに留まる。

現在の因果発見手法は、この領域において苦戦している。なぜなら、それらは固定されたグラフと完全に観測された変数を仮定しているからである。構造形成が潜在プロセスに内生的であり、かつ変数、文脈、エッジの観測が部分的にしか利用できない場合、標準的な SCM は「誰が誰に接続するか」と「彼らがどのように相互作用するか」を分離することができない。本論文は、完全に観測された SCM と、構造とメカニズムが潜在的文脈と絡み合っている部分的に観測されたシステムの現実との間のギャップに対処する。

手法

1. 定式化：部分的に観測された SCM（POSCMs）

著者は、**部分的に観測された構造的因果モデル（POSCMs）**を導入する。これは、潜在的文脈（$\beta$）が以下の両方を監督する因果システムを定式化する枠組みである：

1. 構造形成：有向エッジ（$A$）の確率的生成。
2. 値メカニズム：実現されたグラフに沿った観測変数（$V$）の生成。

この枠組みは、順序生成（シモンの因果順序とバラバシ＝アルバートの逐次ノード到着を拡張したもの）に依存する。生成プロセスは、トポロジカル順序 $\tau$ に従って 2 つのフェーズで進行する：

• フェーズ I（構造と文脈）：各ノード $i$ について、入力エッジ $A_{ji}$ は、ソース文脈 $\beta_j$ に条件付けられた構造カーネル $\alpha$ から引き出される。その後、文脈 $\beta_i$ は、その実現された親ノードの文脈に基づいて生成される。この交互プロセスにより、$(\beta, A, V)$ 上の全体的なグラフが非循環であることを保証する。
• フェーズ II（メカニズムと変数）：メカニズム $f_i$ は、局所的文脈 $\beta_i$ と実現された親ノードの集合に基づいて割り当てられる。最後に、内生変数 $V_i$ が生成される。

観測モデル $O$ は、何が観測されるか（例えば、ノイズのある $V$、潜在 $\beta$、または未観測の $A$）を明示的に定義し、因果プロセスと観測プロセスを分離する。

2. メッセージ拡張表現と KAS 分解

個々のエッジに対する「外科的」介入を可能にするため、著者はコルモゴロフ＝アルノルド＝シュペーハー（KAS）エッジ関数分解を採用する。

• 定理：任意の連続メカニズムは、その親ノードの単変数関数の和として表現できる。
• 応用：これにより、各ダイアドに対してメッセージ変数（$M_{i \leftarrow j}$）を定義できる。ノード $i$ におけるメカニズムは、親ノードから受信したメッセージの集約として見なされる。
• 意義：この分解は、双対的関数寄与の明示的なパラメータ化を提供し、ソースノードや他のエッジを変更することなく、単一のエッジチャネルを標的とする介入を定義することを可能にする。

3. 介入の階層

POSCM は、4 つの原始タイプにまたがる介入の階層を定義する：

1. $\beta$-ノード介入：ノードの潜在文脈を設定する（例：細胞タイプの変更）。
2. $V$-ノード介入：観測変数の値を設定する（標準的な do 演算子）。
3. $\beta$-エッジ介入：特定のチャネル上の文脈 - メッセージ関数を置換する。
4. $V$-エッジ介入：特定のチャネル上の値 - メッセージ関数を置換する。

この階層は、構造とメカニズムの「外科的」操作を可能にし、エッジ介入が概念的なものに留まることが多い標準的な SCM とは区別される。

識別可能性理論

本論文は、POSCM の構成要素が識別可能となるための厳密な条件を確立し、障壁と肯定的な結果の両方を浮き彫りにする。

否定的結果（障壁）

• 潜在文脈：文脈が観測されず、$\beta$ レベルの介入が利用できない場合、構造カーネル、文脈伝播メカニズム、およびメカニズム割り当て演算子は、文脈のパラメータ再設定を超えて識別不可能である（命題 5.2）。ノードレベル（$V$）のデータのみでは、異なる文脈ラベリング間の対称性を分離できない。
• 潜在エッジ：エッジが観測されない場合、$V$-ノード介入は $V$-エッジ介入の影響を予測するには不十分である。これにより、構造 - メカニズムの交絡が生じる。すなわち、頻繁な弱いエッジを持つモデルは、ノードレベルの介入下では稀な強いエッジを持つモデルと観測的に同等であるが、エッジレベルの介入下では分岐する（補題 5.3）。

肯定的結果

• カーネル識別可能性：特定の仮定（文脈/値の読み出し、$\beta$-ノードおよび $V$-ノード介入の結合カバレッジ、およびプローブに基づく構造読み出し）の下で、集団カーネル（構造カーネル $\alpha$、文脈伝播 $\phi$、およびメカニズム演算子 $\Gamma$）は識別可能である（定理 5.4）。
• 双対的メッセージ識別可能性：より豊富なアクセス（エッジ - メッセージ介入またはペアワールド再生を含む）があれば、特定の双対的メッセージ原始は、表現ゲージまで識別可能である（定理 C.3）。

実験的検証

著者は、**生物物理的に詳細な仮想ヒト網膜シミュレータ（NEURON）**を用いて、理論的予測を検証する。網膜は、細胞タイプ（潜在 $\beta$）が結合とシナプス生理を決定する自然な POSCM として機能する。

1. 実験 1（$\beta$-介入なしでの非識別可能性）：著者は、細胞タイプラベルとシナプス規則が入れ替わった「双子」の網膜モデルを構築した。観測データと $V$-ノード介入（電圧クランプ）の下では、発火率分布は区別不可能であった（KS 検定 $p > 0.9$）。これは、命題 5.2 で予測されたパラメータ再設定の対称性を実証的に確認したものである。
2. 実験 2（構造 - メカニズムの交絡）：2 つのモデルを、ノードレベルのクランプ下で同一の平均シナプス駆動力を持つように較正した（一方は高密度/低コンダクタンス、他方は低密度/高コンダクタンス）。ノードレベルの介入は類似した応答をもたらしたが、エッジレベルの介入（特定のシナプスを攪乱）は、有意な不一致（より高い MMD）を明らかにし、補題 5.3 を検証した。
3. 実験 3（カーネル識別可能性）：文脈（網膜の離心率を変えて細胞タイプ構成を変更）と値（電圧クランプ）を掃引することにより、著者は文脈依存の集団構成とシグモイド型のシナプス転送曲線（BC $\to$ RGC）を正常に回復することに成功した。これは定理 5.4 と一致する。

主要な貢献と意義

1. 形式的枠組み：本論文は、構造形成を潜在的文脈によって駆動される内生的因果メカニズムとして扱い、構造と文脈の両方の部分的観測性を受け入れる、最初の形式的枠組み（POSCMs）を提供する。
2. 介入語彙：KAS ベースのメッセージ拡張表現によって可能となったエッジレベル操作を含む、新たな介入階層を導入する。これにより、標準的な SCM では未定義であった「外科的」因果操作が可能となる。
3. 識別可能性診断：この研究は、単に肯定的な保証を提供するだけでなく、失敗モード（潜在文脈の対称性と潜在エッジの交絡）を明示的に診断する。構造をメカニズムから分離するために、どの介入ファミリーが必要かを明確にする。
4. 実証的な概念実証：仮想網膜実験は、これらの理論的障壁と解決策が現実的な生物物理システムにおいて現れることを示し、提案された読み出しとカバレッジの仮定の下でカーネルレベルの回復が達成可能であることを実証した。

著者は、POSCM が SCM を現実により近い世界に一般化すると結論付けている。すなわち、相互作用構造は固定された足場ではなく、推論と介入の対象となり得る、動的で文脈依存の結果であるという世界である。