기술 요약: 리 대괄호 기하학을 통한 잠재 혼란 요인이 있는 인과 발견 (Latent-Confounded Causal Discovery via Lie-Bracket Geometry)

1. 문제 정의

인과 발견(Causal discovery)은 변수의 개수가 늘어남에 따라 가능한 유향 비순환 그래프(DAG)의 공간이 초지수적으로 증가하는 근본적인 조합론적 병목 현상에 직면해 있다. GES, NOTEARS와 같은 점수 기반 탐색 방식이나 FCI와 같은 제약 기반 접근 방식은 이러한 규모, 특히 **잠재 혼란(latent confounding)**이 존재하는 상황에서 어려움을 겪는다. 기존의 잠재 변수 방법론들은 흔히 강한 구조적 가정(예: 희소성, 선형성, 또는 특정 비가우시안성)에 의존하거나, 마르코프 동치 클래스(MEC)에 대한 전수 탐색을 요구하는데, 이는 탐색 공간 복잡도를 상수 배 수준으로만 줄여줄 뿐이다.

본 논문은 잠재 혼란을 단순히 누락된 노드가 아니라, 관측 및 중재 레짐(regime) 사이에서 인과적 정보의 일관된 수송(transport)을 방해하는 장애물로 상정한다. 미관측 변수가 존재할 때, 통계적 매니폴드는 곡률을 나타내며, 이는 표준 그래프 탐색 알고리즘이 직접적으로 활용하지 못하는 '로컬 중재 흐름의 가환성(commutativity) 결여'를 야기한다.

2. 이론적 프레임워크: Kan-Do-Calculus (KDC)

본 논문은 범주론(category theory)을 통해 인과 추론을 재구성하는 **Kan-Do-Calculus (KDC)**를 기반으로 한다.

• 범주적 쌍대 부사(Categorical Bi-Adjunction): 수동적 조건부 설정(passive conditioning)과 능동적 중재(active intervention)의 구분을 다음과 같은 쌍대 부사 관계로 모델링한다:
  $$\text{Lan}_K \dashv K^* \dashv \text{Ran}_K$$
  • 좌측 Kan 확장 ($\text{Lan}_K$): 중재($P(Y | \text{do}(X))$)를 보편적 푸시포워드(pushforward) 연산자로 모델링한다.
  • 우측 Kan 확장 ($\text{Ran}_K$): 조건부 설정($P(Y | X)$)을 보편적 풀백(pullback) 연산자로 모델링한다.
  • 사전 합성(Pre-composition, $K^*$): 관측 인터페이스를 나타낸다.
• 기하학적 번역: 이를 매끄러운 통계 매니폴드로 전이시키면, 관측 측도와 중재 측도 사이의 라돈-니코딤(Radon–Nikodym) 도함수는 **로컬 인과 벡터장(local causal vector fields)**을 유도한다.
• 잠재적 장애물: 시스템에 잠재 혼란이 없다면, 이 벡터장들은 적분 가능(integrable)해야 한다(즉, 리 대괄호가 가시적 스팬 내에서 닫혀야 함). 잠재 혼란은 비영(non-vanishing) 리 대괄호 잔차($[v_i, v_j] \neq 0$)로 나타나며, 이는 관측된 변수들만으로는 설명할 수 없는 기하학적 곡률을 의미한다.

2. 방법론

본 논문은 두 가지 알고리즘인 BRIDGE(모듈형 스크리닝 파이프라인)와 SKFM(엔드 투 엔드 기하학적 추론 방법)을 소개한다.

3.1 BRIDGE: 중재 발견 및 기하학적 추정을 위한 브래킷 잔차(Bracket Residuals)

BRIDGE는 표준 점수 알고리층을 적용하기 전에 탐색 공간을 줄이기 위해 설계된 2단계 파이프라인이다.

1. 중재 밀도 추정: 밀도 엔진(예: 정규화된 가우시안, 노멀라이징 플로우)을 사용하여 라돈-니코딤 비율 $\rho_i = dP_{\text{do}(X_i)} / dP_{\text{obs}}$를 추정한다. 이는 로컬 벡터장 $v_i \approx \nabla \log \rho_i$를 정의한다.
2. Lie/Frobenius 스크리닝:
   • 중재 쌍에 대해 리 대괄호 $[v_i, v_j] = \nabla v_j \cdot v_i - \nabla v_i \cdot v_j$를 계산한다.
   • 비대칭 점수화(Asymmetric Scoring): 재가중치(reweighting)를 통한 분산 감소를 통해 방향성 영향을 측정한다.
   • 잠재 요인 탐지: 닫히지 않는 브래킷(Frobenius 잔차)은 잠재적 장애물 또는 레짐 불일치의 후보로 표시된다.
3. 후보군 패밀리 축소: 기하학적 스크린은 국소적 적분 가능성과 일치하지 않는 방향을 필터링하여 허용 가능한 화살표(arrow)의 고재현율 마스크를 생성한다.
4. 다운스트림 점수화: 표준 점수 모델(예: GES, TCES, BIC)이 오직 축소된 DAG 패밀리에 대해서만 작동한다.

3.2 SKFM: 스펙트럼 Kan-Do Flow Matching

SKFM은 이산적 탐색 단계를 건너뛰고 학습된 기하학으로부터 직접 그래프를 복구하려고 시도하는 엔드 투 엔드 미분 가능한 알고리즘이다.

1. 중재된 플로우 매칭(Amortized Flow Matching): 모든 변수에 대한 중재 필드를 동시에 학습하기 위해 조건부 플로우 매칭(CFM)을 사용하여 단일 신경망 $f_\theta$를 학습하며, 이를 통해 $d$개의 독립적인 모델이 필요한 문제를 피한다.
2. 스펙트럼 잠재 요인 분해:
   • 리 대괄호의 제곱 노름으로부터 인과 곡률 그람 행렬(Causal Curvature Gram Matrix) $G$를 구성한다.
   • 잠재 곡선 발자국(latent footprint)을 식별하기 위해 고유값 분해를 수행한다. $G$의 랭크(rank)는 잠재 혼란 하위 공간의 차원을 추정한다.
   • 벡터장을 잠재 하위 공간의 직교 보공간으로 투영하여 "혼란을 벗겨낸다(peel away)".
3. 가해형 Lie 대수 제약(Solvable Lie Algebra Constraint): 가해성(acyclicity)을 보장하기 위해 리 대수의 구조 상수(structure constants)에 소프트 페널티를 부여하여, 추출된 그래프가 가해적(삼각 형태) 부분 대수와 일치하도록 한다.
4. 그래프 추출: 위상적 순서에 따라 학습된 영향 점수와 스펙트럼 투영으로부터 인접 행렬을 직접 추출한다.

3. 주요 결과

실험은 합성 데이터 및 실제 데이터셋을 통해 프레임워크를 검증한다.

• 합성 체인 (잠재 혼론 포함):

  • 끝점 혼란(endpoint confounder)이 있는 7개 노드 체인에서, BRIDGE는 6개의 실제 에지를 모두 유지하면서 후보 화살표 세트를 42개에서 21개로 줄였다.
  • 축소된 패밀리에 대한 다운스트림 TCES/BIC 점수 모델은 10개 노드 무작위 DAG에서 평균 방향 F1 점수 $\approx 0.86$을 달성하며 직접 탐색보다 우수한 성능을 보였다.
  • SKFM은 실제 위상 순서가 제공되었을 때, 조합론적 점수 모델을 완전히 건너뛰고 정확한 체인 구조를 성공적으로 복구했다.

• 비체인 모티프 (Diamond, Collider/Fork):

  • 표준 영향 마스크는 복잡한 모티프에서 모든 실제 에지를 유지하는 데 실패했다.
  • 스펙트럼 곡률 구제(Spectral Curvature Rescue): 리 대괄호 스펙트럼의 스펙트럼 분해를 사용하여 잠재 발자국을 식별함으로써 Diamond 및 Collider/Fork 모티프에 대한 완벽한 후보 재현율을 복원했다.
  • SKFM 캘리브레이션: 연속성 정규화와 오염 그래디언트 점수화를 사용하면, SKFM은 이러한 모티프에서 정확한 복구를 달성했으나, 일반적인 무작위 DAG에서는 불안정한 모습을 보였다.

• 실제 벤치마크:

  • Sachs 단백질 신호 전달: 기하학적 스크린은 구조의 거의 전체를 보존하면서 검색 공간을 60% 줄였으며, 이는 풀링된 GES가 선택한 구조와 일치했다. 그러나 방법론은 실제 데이터에서의 연속성 상관관계(0.587)가 합성 레짐보다 현저히 낮음을 확인하였으며, 이는 높은 정밀도와 낮은 재현율을 초과하는 "캘리브레이션 프런티어"를 식별했다. 논문은 이를 방법론의 실패가 아닌 데이터 비정상성(non-stationarity)의 진단으로 취급한다.
  • S9 유전자 발현: 골드 스탠더드가 없는 9개 유전자 패널에 대해, 기하학적 스크린은 레이블된 DAG 패밀리를 약 $10^{15}$에서 약 $1.2 \times 10^5$개의 가측 DAG로 압축하여 실제 규모에서의 실행 가능성을 입증했다.
  • PISA 2022: OECD 트렌드 변수에 적용했을 때, 이 방법은 베이스라인 인과 주장과 일치하는 컴팩트한 그래프를 생성하였으며, 발견 전용 진단 도구로서 기능했다.

4. 의의 및 주장

본 논문은 다음의 기여를 주장한다.

1. 잠재성의 기하학적 재구성: 잠재 혼란을 단순히 누락된 노드가 아니라 환원 불가능한 기하학적 장애물(비영 리 대괄호)로 확립하였다. 이를 통해 희소성이나 특정 파라미터 형태를 가정하지 않고도 숨겨진 구조를 탐지할 수 있게 한다.
2. 탐색 공간 압축: 주요 실무적 기여는 BRIDGE 파이프라인이다. 이는 로컬 Lie/Frobenius 기하학을 사용하여 점수화 이전에 허용 가능한 화살표 패밀리를 제거한다. 이는 초지수적 탐색 문제를 트랙터블한 제약 최적화 문제로 변환하며, 탐색 공간을 수만 배에서 수십억 배까지($10^4\times$ ~ $10^9\times$) 압축하면서도 실제 에지에 대한 높은 재현율을 달한다.
3. 엔드 투 엔드 기하학적 추론: SKFM은 학습된 Lie 대수 필드 공간으로부터 직접 잠재 차원과 그래프 구조를 복구함으로써, 조합론적 열거 없이 인과 발견을 수행할 수 있음을 보여준다.
4. 범주적 일관성: 본 연구는 중재, 조건부 설정, 그리고 반사실(counterfactuals, 평행 이동과 홀로노미로 공식화됨)이 Kan-Do 쌍대 부사와 일관되는 통합된 이론적 렌즈를 제공한다.

한계 및 겸손한 태도:
논문은 일반적인 그래프 복구에 대한 주장에 있어 신중하다. 직접적인 SKFM 추출은 다운스트림 점수 모델 없이 일반적인 무순서 무작위 DAG에 대해 불안정함을 명시적으로 밝히고 있다. "Step 9" 그래프 추출 휴리스틱은 비체인 모티프에서 여전히 병목 구간으로 남아 있다. 또한, Sachs 생물학적 데이터의 경우, 기하학적 스크린은 견고하지만 복잡한 생물학적 그래프의 완전한 복구를 위해서는 레짐 불일치와 피드백 루프를 더 잘 다루는 방법이 필요함을 시사하는 캘리브레이션 프런티어를 식별하였다.

요약하자면, 본 논문은 실용적인 기하학적 스크리닝 파이프라인을 제안하여 인과 발견의 탐색 공간을 효과적으로 줄이며, 직접적인 Lie 공간 추출이 가능한 경우와 다운스트림 점수 모델이 필요한 경우를 구분하는 교정된 설명을 제공한다.