Resumo Técnico: Aprendizado de Estruturas Causais Gerais com Processo Dinâmico Oculto para Análise Climática

Definição do Problema

Compreender a dinâmica climática exige ir além da análise correlacional para descobrir processos causais subjacentes. Os sistemas climáticos são caracterizados por duas complexidades críticas frequentemente negligenciadas pelos métodos existentes:

1. Direcionadores Latentes: Processos atmosféricos não observados (ex: sistemas de pressão, direcionadores de precipitação) influenciam significativamente as variáveis observadas (ex: temperatura) e evoluem estocasticamente com dependências instantâneas e defasadas no tempo.
2. Causalidade Observável-para-Observável: Variáveis observadas geograficamente próximas exibem influências causais diretas (ex: transferência de calor entre regiões) juntamente com a influência de direcionadores latentes.

O Aprendizado de Representação Causal (CRL) tradicional foca na recuperação de fatores latentes, mas tipicamente assume uma geração livre de ruído e invertível do espaço latente para o espaço observado, ignorando relações causais entre observáveis. Por outro lado, métodos de Descoberta Causal (CD) frequentemente dependem de suposições paramétricas ou falham em identificar variáveis latentes e suas inter-relações na presença de confusão (confounding). O artigo aborda a necessidade de um framework unificado capaz de recuperar conjuntamente (i) o processo dinâmico latente e (ii) a estrutura causal entre as variáveis observadas em um cenário não paramétrico com ruído estocástico.

Metodologia: CaDRe

Os autores propõem o CaDRe (Causal Discovery and Representation learning), um modelo generativo de séries temporais baseado em um Autoencoder Variacional (VAE) de espaço de estados que integra CRL e descoberta causal.

1. Fundamentação Teórica

O framework estabelece garantias de identificabilidade sob suposições específicas:

• Recuperação do Espaço Latente (Teorema 3.2): Ao alavancar informações contextuais de passos de tempo adjacentes ($x_{t-1}, x_t, x_{t+1}$), o modelo prova que o espaço latente $z_t$ é identificável ao nível de valor (até uma transformação diferenciável invertível $h_z$), mesmo com observações ruidosas. Isso se baseia na injetividade dos operadores de transformação de distribuição e na suposição de "deriva latente" (estados latentes distintos induzem distribuições condicionais distintas das observações).
• Equivalência SEM-ICA (Teorema 3.5): O artigo estabelece uma equivalência funcional entre o Modelo de Equação Estrutural (SEM) que governa o sistema climático e a Análise de Componentes Independentes (ICA) Não Linear. Especificamente, o Jacobiano da estrutura de mistura ($J_m$) e o Jacobiano do grafo causal observado ($J_g$) satisfazem a relação:
  $$J_g(x_t)J_m(s_t) = J_m(s_t) - D_m(s_t)$$
  onde $D_m$ é uma matriz diagonal. Isso permite que o grafo causal sobre as observações seja derivado diretamente da estrutura de mistura.
• Identificabilidade do Grafo Causal (Teorema 3.6): Sob condições de variabilidade de geração (mudanças suficientes no processo de geração) e fidelidade funcional (functional faithfulness), o grafo causal sobre as variáveis observadas é identificável.

2. Framework de Estimativa

O CaDRe instancia essas teorias usando uma arquitetura VAE com os seguintes componentes:

• Encoders: Um encoder-$z$ extrai variáveis latentes ($\hat{z}_t$), e um encoder-$s$ extrai ruído não estacionário ($\hat{s}_t$) dependente de $z_t$.
• Decoder: Reconstrói observações $\hat{x}_t$ a partir de $\hat{z}_t$ e $\hat{s}_t$.
• Redes de Prior: Utiliza fluxos de normalização (normalizing flows) para modelar a transição das variáveis latentes ($z_{t-1} \to z_t$) e a mistura do ruído. Funções de transição inversa aprendíveis identificam quais variáveis latentes influenciam causalmente outras.
• Função de Perda: O modelo otimiza um Limite Inferior de Evidência (ELBO) aumentado com penalidades estruturais:
  $$L_{ALL} = L_{ELBO} + \alpha L_s + \beta L_d$$
  • $L_s$: Penalidade de esparsidade nas matrizes Jacobian das transições latentes e da mistura observada para impor estruturas causais esparsas.
  • $L_d$: Restrições de DAG (baseadas no traço de potências de matrizes) para garantir a aciclicidade tanto no grafo causal observado quanto no grafo causal latente instantâneo.

Principais Contribuições

1. Framework Unificado: Uma abordagem inovadora que simultaneamente recupera processos dinâmicos latentes e grafos causais entre variáveis observadas, abordando uma lacuna onde métodos de CRL anteriores ignoravam a causalidade observável e métodos de CD ignoravam confundidores latentes.
2. Identificabilidade Não Paramétrica: Provas teóricas demonstrando que tanto o espaço latente quanto a estrutura causal são identificáveis a partir de dados de séries temporais sem assumir geração livre de ruído ou formas paramétricas específicas (ex: lineares ou de ruído aditivo).
3. Algoritmo CaDRe: Uma implementação prática usando priors baseados em fluxo e penalidades estruturais baseadas em gradiente para aprender componentes independentes e dependências causais.
4. Insights Climáticos: Aplicação a dados climáticos reais resultando em grafos causais interpretáveis alinhados com o conhecimento do domínio (ex: padrões de vento, acoplamento terra-atmosfera).

Resultados Experimentais

Dados Sintéticos

• Recuperação Latente: O CaDRe supera os basais de CRL de última geração (ex: iCITRIS, G-CaRL, TDRL) na recuperação de representações latentes, alcançando altos escores de MCC e $R^2$ em configurações latentes independentes, esparsas e densas.
• Descoberta Causal: O método supera significativamente os métodos de CD baseados em restrições (FCI, PCMCI, CD-NOD) na recuperação de grafos causais, particularmente na presença de confundidores latentes e dependências não lineares. Ele alcança menor Distância de Hamming Estrutural (SHD) e maior Precisão/Recall.

Dados Climáticos do Mundo Real

• Previsão: Em conjuntos de dados como CESM2, Weather e ERSST, o CaD atinge precisão de previsão competitiva ou superior (MSE/MAE) comparado a modelos avançados de séries temporais (ex: iTransformer, TimesNet, Autoformer), sugerindo que aprender o processo causal subjacente melhora a capacidade preditiva.
• Descoberta Causal: Usando a direção do vento como um substituto para a verdade fundamental (ground truth), o CaD recupera grafos causais que se alinham de perto com padrões físicos de vento (medidos por Wind-SHD e Wind-TPR), superando basais neurais e baseados em restrições.
• Interpretabilidade: As variáveis latentes e os grafos causais recuperados fornecem interpretações físicas consistentes com fenômenos conhecidos (ex: associações de precipitação com radiação solar, fluxos para oeste em oceanos equatoriais).

Significância e Alegações

O artigo afirma avançar o entendimento causal da dinâmica climática ao fornecer um framework unificado que conecta forças motrizes latentes com interações causais diretas entre variáveis observadas. Sua significância reside em:

• Rigor Teórico: Estabelecer garantias de identificabilidade não paramétrica para a recuperação conjunta de dinâmicas latentes e grafos causais, um cenário anteriormente considerado intratável devido à suposição de "livre de ruído" em CRL e à suposição de "totalmente observado" em CD.
• Utilidade Científica: Oferecer insights interpretáveis sobre sistemas climáticos que complementam os atuais pipelines de aprendizado profundo baseados em correlação. As estruturas recuperadas alinham-se com o conhecimento físico estabelecido (ex: sistemas de vento, acoplamento terra-atmosfera), potencialmente inspirando novas hipóteses na ciência do clima.
• Eficiência Prática: O modelo alcança baixa latência através de geração de passo único, tornando-o adequado para cenções de alta dimensão no mundo real.

Os autores observam limitações, especificamente que o framework atual captura arestas contemporâneas em vez de defasadas (lagged) entre variáveis observadas e foi avaliado primariamente em dados climáticos. Sugere-se como trabalho futuro estender o framework para outros domínios e incorporar relações causais defasadas entre observações.