Differentiable Cyclic Causal Discovery Under Unmeasured Confounders

Resumo Técnico: Descoberta Causal Cíclica Diferenciável sob Confundidores Não Medidos

Enunciado do Problema
A descoberta causal visa inferir a estrutura do grafo direcionado que representa as relações de causa e efeito entre variáveis. Algoritmos existentes baseiam-se tipicamente em duas suposições restritivas: (i) o grafo causal subjacente é um Grafo Acíclico Direcionado (DAG) e (ii) todas as variáveis são observadas (sem confundidores não medidos). Essas suposições são frequentemente violadas em sistemas do mundo real, particularmente em redes biológicas, que exibem loops de retroalimentação (ciclos) e confundidores ocultos. Embora alguns métodos abordem ciclos e outros abordem confundidores, poucos lidam com ambos simultaneamente, especialmente em cenários não lineares. Além disso, as abordagens existentes para grafos cíclicos com confundidores frequentemente assumem linearidade ou enfrentam dificuldades de escalabilidade. Este artigo aborda o desafio de aprender grafos causais cíclicos não lineares na presença de confundidores não medidos utilizando dados intervencionais.

Metodologia: DCCD-CONF
Os autores propõem o DCCD-CONF, uma estrutura diferenciável para aprender estruturas causais sob estas condições complexas. A metodologia é construída sobre os seguintes componentes:

1. Modelo de Equação Estrutural (SEM) com Confundidores Latentes:
   O sistema é modelado usando um Grafo Misto Direcionado (DMG) contendo tanto arestas direcionadas ($i \to j$) quanto arestas bidirecionais ($i \leftrightarrow j$). As arestas bidirecionais representam confundidores ocultos. Os autores modelam o confundimento não como uma variável latente separada, mas como correlações nos termos de ruído exógeno. Especificamente, o vetor de ruído $Z$ segue uma distribuição Gaussiana $Z \sim \mathcal{N}(0, \Sigma_Z)$, onde entradas fora da diagonal não nulas na matriz de covariância $\Sigma_Z$ indicam o confundimento entre variáveis.

2. Mecanismo Causal Diferenciável via Fluxos Implícitos:
   Para lidar com ciclos e não linearidade, os mecanismos causais são modelados usando fluxos implícitos. As equações estruturais são definidas como $X = F(X, Z)$, onde $F$ é uma função parametrizada por redes neurais. Para garantir a existência de um ponto fixo único (equilíbrio) e invertibilidade, os autores impõem um mapeamento contrativo usando uma forma específica: $F(x, z) = -g_x(x) + g_z(z) + z$, onde $g_x$ e $g_z$ são funções contrativas (impostas via normalização espectral). Isso permite o uso de algoritmos de busca de raízes (ex: método de Broyden) para computar o mapa direto $z = f_x(x)$ e o mapa reverso.

3. Dados Intervencionais e Grafos Mutilados:
   A estrutura utiliza intervenções "cirúrgicas" (hard). Quando um nó é alvo de intervenção, todas as arestas de entrada (direcionadas e bidirecionais) são removidas, e o nó é definido como um valor amostrado de uma distribuição conhecida. A verossimilhança dos dados sob estas intervenções é derivada com base no Jacobiano do mapa direto.

4. Otimização e Função de Pontuação:
   O objetivo de aprendizagem é maximizar a log-verossimilhança regularizada dos dados observados através de múltiplas configurações intervencionais.

   • Estrutura do Grafo: A matriz de adjacência é tratada como uma variável aleatória de Bernoulli parametrizada por uma matriz $B$. A norma $L_1$ é usada como um proxy para regularização de esparsidade.
   • Determinante do Jacobiano: Computar o log-determinante do Jacobiano é computacionalmente caro ($O(d^2)$). Os autores empregam um estimador não viesado baseado na expansão em série de potência de $\log(1+x)$, truncada estocasticamente para reduzir o viés, combinado com o estimador de traço de Hutchinson.
   • Distribuição do Confundidor: A matriz de covariância $\Sigma_Z$ é atualizada resolvendo um problema de otimização regularizado por esparsidade (formulado como uma regressão Lasso) para garantir positividade definida e estabilidade.

Principais Contribuições

1. Estrutura Inovadora: Introdução do DCCD-CONF, o primeiro framework diferenciável capaz de aprender grafos causais cíclicos não lineares enquanto modela explicitamente confundidores não medidos via ruído Gaussiano correlacionado.
2. Garantias Teóricas: Os autores provam que a maximização da função de pontuação proposta identifica a classe de equivalência intervencional do grafo real sob suposições específicas (incluindo que os dados residam dentro da classe do modelo e propriedades de $\sigma$-separação).
3. Eficiência Algorítmica: O desenvolvimento de um procedimento de otimização escalável que lida com os desafios computacionais de fluxos implícitos e determinantes de Jacobiano através de estimativa estocástica e atualizações estruturadas para a covariância do ruído.

Resultados Experimentais
O framework foi avaliado em conjuntos de dados sintéticos e do mundo real:

• Dados Sintéticos: O DCCD-CONF foi comparado com baselines de estado da arte (NODAGS-Flow, LLC, DAGMA, ADMG) sob variações no número de confundidores, ciclos, graus de não linearidade e contagem de intervenções.
  • Desempenho: O DCCD-CONF consistentemente alcançou uma Distância de Hamming Estrutural (SHD) menor para recuperação de grafos e scores F1 mais altos para identificação de confundidores em comparação com os baselines, particularmente em cenários não lineares.
  • Robustez: O método demonstrou robustez à medida que o número de ciclos e confundidores aumentava. Superou os baselines conforme o número de intervenções aumentava, enquanto alguns baselines (como o LLC) falharam em cenários puramente observacionais.
  • Escalabilidade: O desempenho permaneceu superior conforme o número de nós aumentava de 10 para 80.
• Dados do Mundo Real: O modelo foi aplicado ao conjunto de dados de perturbação gênica Perturb-CITE-seq (células de melanoma sob condições de controle, co-cultura e IFN-$\gamma$).
  • Métrica: Como o grafo de verdade fundamental não estava disponível, o desempenho foi medido pela Log-Verossimilhança Negativa (NLL) em dados de teste retidos.
  • Resultado: O DCCD-CONF alcançou a menor NLL em todas as três condições, superando NODAGS, LLC e DCDI, sugerindo precisão preditiva superior e modelagem eficaz de confundimento em sistemas biológicos.

Significância e Alegações
O artigo afirma que o DCCD-CONF fornece uma solução unificada para um espaço de problema anteriormente fragmentado, abordando simultaneamente não linearidade, ciclos e confundidores latentes. Os autores afirmam que sua abordagem oferece garantias de consistência teórica e superioridade prática sobre métodos existentes, que são frequentemente limitados a suposições lineares, estruturas acíclicas ou observabilidade completa. O trabalho destaca a prevalência de confundidores em sistemas do mundo real e demonstra que considerar estes via aprendizagem diferenciável melhora significativamente a precisão da descoberta causal. Os autores observam que, embora o trabalho atual assuma ruído exógeno Gaussiano, direções futuras incluem explorar outras distribuições de ruído, lidar com dados ausentes e relaxar suposições sobre alvos de intervenção.