기술 요약: 부분 관측 구조적 인과 모델 (POSCM)

문제 제기

기존의 구조적 인과 모델 (SCM) 은 일반적으로 인과 그래프를 고정된 외생적 구조로 간주하며, 메커니즘이 관측된 변수들 위에서 작동한다고 가정합니다. 그러나 생물학, 사회과학, 공학 등 많은 실제 시스템은 더 복잡한 역학을 보입니다: 상호작용 구조 (간선) 와 하류 메커니즘은 잠재적 맥락 (context) 에 의해 공동 결정됩니다. 예를 들어, 신경과학에서 뉴런의 세포 유형 (맥락) 은 시냅스 연결성 (구조) 과 생리학적 반응 (메커니즘) 을 모두 결정하지만, 이러한 맥락들은 종종 부분적으로만 관측되거나 간접적으로 추론됩니다.

현재의 인과 발견 방법들은 고정된 그래프와 완전히 관측된 변수들을 가정하기 때문에 이러한 영역에서 어려움을 겪습니다. 구조 형성이 잠재적 과정에 내생적이고, 변수, 맥락, 간선에 대한 부분 관측만 가능한 경우, 기존 SCM 은 "누가 누구와 연결되는가"와 "그들이 어떻게 상호작용하는가"를 분리해 내지 못합니다. 본 논문은 완전히 관측된 SCM 과 구조 및 메커니즘이 잠재적 맥락과 얽혀 있는 부분 관측 시스템의 현실 사이의 간극을 해소합니다.

방법론

1. 형식화: 부분 관측 구조적 인과 모델 (POSCM)

저자들은 **잠재적 맥락 ($\beta$) 이 다음 두 가지를 모두 감독하는 인과 시스템을 형식화하는 부분 관측 구조적 인과 모델 (POSCM)**을 도입합니다:

1. 구조 형성: 방향성 간선 ($A$) 의 확률적 생성.
2. 값 메커니즘: 실현된 그래프를 따라 관측된 변수 ($V$) 의 생성.

이 프레임워크는 순차적 생성 (사이먼의 인과 순서와 바라바시 - 알버트의 순차적 노드 도착을 확장) 에 의존합니다. 생성 과정은 위상적 순서 $\tau$에 따라 두 단계로 진행됩니다:

• 1 단계 (구조 및 맥락): 각 노드 $i$에 대해, 유입 간선 $A_{ji}$는 소스 맥락 $\beta_j$에 조건 지어진 구조 커널 $\alpha$에서 추출됩니다. 그 후, 맥락 $\beta_i$는 실현된 부모 노드들의 맥락에 기반하여 생성됩니다. 이 교차 과정은 $(\beta, A, V)$에 대한 전체 그래프가 비순환적으로 유지되도록 보장합니다.
• 2 단계 (메커니즘 및 변수): 메커니즘 $f_i$는 지역적 맥락 $\beta_i$와 실현된 부모 집합에 기반하여 할당됩니다. 마지막으로 내생적 변수 $V_i$가 생성됩니다.

측정 모델 $O$는 무엇을 관측하는지 (예: 노이즈가 있는 $V$, 잠재적 $\beta$, 또는 관측되지 않은 $A$) 를 명시적으로 정의하여 인과 과정과 관측 과정을 분리합니다.

2. 메시지 증강 표현 및 KAS 분해

개별 간선에 대한 "외과적" 개입을 가능하게 하기 위해, 저자들은 콜모고로프 - 아르놀드 - 스프레허 (KAS) 간선 함수 분해를 채택합니다.

• 정리: 모든 연속적 메커니즘은 부모 노드들의 단변수 함수들의 합으로 표현될 수 있습니다.
• 적용: 이를 통해 저자들은 각 쌍 (dyad) 에 대해 메시지 변수 ($M_{i \leftarrow j}$) 를 정의할 수 있습니다. 노드 $i$의 메커니즘은 부모들로부터 수신된 메시지들의 집계로 간주됩니다.
• 의의: 이 분해는 쌍별 함수적 기여에 대한 명시적 매개변수화를 제공하여, 소스 노드나 다른 간선을 변경하지 않고 단일 간선 채널을 대상으로 하는 개입을 정의할 수 있게 합니다.

3. 개입 계층 구조

POSCM 은 네 가지 기본 유형에 걸친 개입의 계층 구조를 정의합니다:

1. $\beta$-노드 개입: 노드의 잠재적 맥락을 설정 (예: 세포 유형 변경).
2. $V$-노드 개입: 관측된 변수의 값을 설정 (표준 do-연산자).
3. $\beta$-간선 개입: 특정 채널의 맥락 - 메시지 함수를 교체.
4. $V$-간선 개입: 특정 채널의 값 - 메시지 함수를 교체.

이 계층 구조는 구조와 메커니즘에 대한 "외과적" 조작을 가능하게 하며, 간선 개입이 종종 개념적이거나 실행 불가능했던 기존 SCM 과는 구별됩니다.

식별성 이론

본 논문은 POSCM 의 구성 요소가 식별될 수 있는 엄격한 조건을 수립하며, 장애물과 긍정적 결과를 모두 강조합니다.

부정적 결과 (장애물)

• 잠재적 맥락: 맥락이 관측되지 않고 $\beta$-수준 개입이 불가능한 경우, 구조 커널, 맥락 전파 메커니즘, 메커니즘 할당 연산자는 맥락 재매개변수화를 제외하고는 식별 불가능합니다 (명제 5.2). 노드 수준 ($V$) 데이터만으로는 서로 다른 맥락 - 레이블링 간의 대칭성을 분리할 수 없습니다.
• 잠재적 간선: 간선이 관측되지 않는 경우, $V$-노드 개입만으로는 $V$-간선 개입의 효과를 예측하기에 부족합니다. 이는 구조 - 메커니즘 교란을 야기하여, 노드 수준 개입 하에서는 빈번한 약한 간선을 가진 모델과 드문 강한 간선을 가진 모델이 관측적으로 동등하지만, 간선 수준 개입 하에서는 달라지는 상황을 만듭니다 (보조 5.3).

긍정적 결과

• 커널 식별성: 특정 가정 (맥락/값 판독, 결합 $\beta$-노드 및 $V$-노드 개입 범위, 그리고 프로빙 기반 구조 판독) 하에서 집단 커널(구조 커널 $\alpha$, 맥락 전파 $\phi$, 메커니즘 연산자 $\Gamma$) 은 식별 가능합니다 (정리 5.4).
• 쌍별 메시지 식별성: 더 풍부한 접근 (간선 - 메시지 개입 또는 쌍별 세계 재생 포함) 을 통해, 특정 쌍별 메시지 원시들은 표현 게이지 (representation gauge) 까지 식별 가능합니다 (보조 C.3).

실험적 검증

저자들은 **생리학적 세부 사항이 포함된 가상 인간 망막 시뮬레이터 (NEURON)**을 사용하여 이론적 예측을 검증합니다. 망막은 세포 유형 (잠재적 $\beta$) 이 연결성과 시냅스 생리학을 결정하는 자연스러운 POSCM 역할을 합니다.

1. 실험 1 ($\beta$-개입 부재 시 비식별성): 저자들은 세포 유형 레이블과 시냅스 규칙이 서로 바뀐 "쌍둥이" 망막 모델을 구성했습니다. 관측 데이터와 $V$-노드 개입 (전압 클램프) 하에서, 발화율 분포는 구별 불가능했습니다 (KS 검정 $p > 0.9$). 이는 명제 5.2 가 예측한 재매개변수화 대칭성을 경험적으로 확인했습니다.
2. 실험 2 (구조 - 메커니즘 교란): 두 모델은 노드 수준 클램프 하에서 동일한 평균 시냅스 구동력을 가지도록 보정되었습니다 (하나는 고밀도/저전도, 다른 하나는 저밀도/고전도). 노드 수준 개입은 유사한 반응을 보였으나, 간선 수준 개입(특정 시냅스 교란) 은 유의미한 불일치 (높은 MMD) 를 드러내어 보조 5.3 을 검증했습니다.
3. 실험 3 (커널 식별성): 맥락 (망막 편심도 변화를 통한 세포 유형 구성 변경) 과 값 (전압 클램프) 을 스윕함으로써, 저자들은 맥락 의존적 집단 구성과 시그모이드 시냅스 전달 곡선 (BC $\to$ RGC) 을 성공적으로 복원했으며, 이는 정리 5.4 와 일치합니다.

주요 기여 및 의의

1. 형식적 프레임워크: 본 논문은 구조 형성을 잠재적 맥락에 의해 구동되는 내생적 인과 메커니즘으로 취급하며, 구조와 맥락의 부분 관측성을 수용하는 최초의 형식적 프레임워크 (POSCM) 를 제공합니다.
2. 개입 어휘: KAS 기반 메시지 증강 표현을 가능하게 하는 간선 수준 연산을 포함한 새로운 개입 계층 구조를 도입합니다. 이를 통해 기존 SCM 에서 정의되지 않았던 "외과적" 인과 조작이 가능해집니다.
3. 식별성 진단: 본 연구는 긍정적 보장만 제공하는 것이 아니라, 실패 모드 (잠재적 맥락 대칭성 및 잠재적 간선 교란) 를 명시적으로 진단합니다. 구조와 메커니즘을 분리하기 위해 정확히 어떤 개입 계열이 필요한지 명확히 합니다.
4. 실증적 개념 증명: 가상 망막 실험은 이러한 이론적 장애물과 해결책이 실제 생리학적 시스템에서 나타난다는 것을 보여주며, 제안된 판독 및 범위 가정 하에서 커널 수준의 복구가 가능함을 입증합니다.

저자들은 POSCM 이 상호작용 구조가 고정된 발판이 아니라, 추론하고 개입할 수 있는 역동적이고 맥락 의존적인 결과물인 현실에 더 가까운 세계로 SCM 을 일반화한다고 결론지었습니다.