論文の概要: A general framework for cyclic and fine-tuned causal models and their
compatibility with space-time
- arxiv url: http://arxiv.org/abs/2109.12128v3
- Date: Wed, 7 Sep 2022 18:39:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 20:59:53.294267
- Title: A general framework for cyclic and fine-tuned causal models and their
compatibility with space-time
- Title（参考訳）: 循環・微調整因果モデルのための一般フレームワークとその時空との整合性
- Authors: V. Vilasini and Roger Colbeck
- Abstract要約: 因果モデリングは、観測された相関の因果的説明を生成するためのツールである。
既存の量子因果関係の枠組みは、微調整されていない非巡回因果構造に焦点を当てる傾向がある。
サイクル因果モデルはフィードバックを含む物理的プロセスのモデル化に使用することができる。
サイクル因果モデルは一般相対性理論のエキゾチック解にも関係があるかもしれない。
- 参考スコア（独自算出の注目度）: 2.0305676256390934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Causal modelling is a tool for generating causal explanations of observed
correlations and has led to a deeper understanding of correlations in quantum
networks. Existing frameworks for quantum causality tend to focus on acyclic
causal structures that are not fine-tuned i.e., where causal connections
between variables necessarily create correlations between them. However,
fine-tuned causal models (which permit causation without correlation) play a
crucial role in cryptography, and cyclic causal models can be used to model
physical processes involving feedback and may also be relevant in exotic
solutions of general relativity. Here we develop a causal modelling framework
capable of dealing with these general scenarios. The key feature of our
framework is that it allows operational and relativistic notions of causality
to be independently defined and for connections between them to be established
in a theory-independent manner. The framework first gives an operational way to
study causation that allows for cyclic, fine-tuned and non-classical causal
influences. We then consider how a causal model can be embedded in a space-time
structure (modelled as a partial order) and propose a compatibility condition
for ensuring that the embedded causal model does not allow signalling outside
the space-time future. We identify several distinct classes of causal loops
that can arise in our framework, showing that compatibility with a space-time
can rule out only some of them. We discuss conditions for preventing
superluminal signalling within arbitrary (and possibly cyclic) causal
structures and consider models of causation in post-quantum theories admitting
so-called jamming correlations. Finally, this work introduces the concept of a
"higher-order affects relation", which is useful for causal discovery in
fined-tuned causal models.
- Abstract（参考訳）: 因果モデリングは観測された相関の因果的説明を生成するツールであり、量子ネットワークにおける相関のより深い理解につながった。
既存の量子因果関係の枠組みは、微調整されていない非巡回因果構造、すなわち変数間の因果関係が必ずしもそれらの間に相関関係を生じさせる傾向にある。
しかし、微調整された因果モデル(相関のない因果関係を許容する)は暗号において重要な役割を担い、循環因果モデルはフィードバックを含む物理過程のモデル化に利用でき、また一般相対性理論のエキゾチックな解にも関与する可能性がある。
本稿では、これらの一般的なシナリオを扱える因果モデリングフレームワークを開発する。
我々のフレームワークの重要な特徴は、因果関係の操作的および相対論的概念を独立して定義し、それら間の接続を理論に依存しない方法で確立することである。
このフレームワークはまず、循環的、微調整的、古典的でない因果関係を研究するための運用方法を提供する。
次に,(部分順序としてモデル化された)時空構造に因果モデルをどのように組み込むかを検討し,組込み因果モデルが時空未来外の信号伝達を許さないことを保証するための互換性条件を提案する。
フレームワーク内で発生しうるいくつかの異なる因果ループのクラスを特定し、時空との互換性がそれらのいくつかだけを除外できることを示します。
任意の(そしておそらく循環的)因果構造における超発光シグナル伝達の防止条件を議論し、いわゆるジャミング相関を許容する量子後理論における因果関係のモデルを検討する。
最後に、この研究は「高次影響関係」の概念を導入し、微調整因果モデルにおける因果発見に有用である。
関連論文リスト
- A Semantics for Counterfactuals in Quantum Causal Models [0.0]
本稿では,量子因果モデルの枠組みにおいて,逆ファクトクエリの評価のための形式的手法を提案する。
我々はパールの「古典的構造因果モデル」の概念の適切な拡張を定義する。
古典的(確率論的)構造因果モデルは全て、量子構造因果モデルに拡張可能であることを示す。
論文 参考訳（メタデータ） (2023-02-23T05:00:14Z) - Admissible Causal Structures and Correlations [0.0]
局所量子論によって課される因果構造と相関の制限について検討する。
ひとつは、因果構造が許容可能であるためには、必要なグラフ理論的基準、すなわち「サイクル上の兄弟」の性質を見つけることである。
これらの因果モデルが、制限された設定で、確かに一貫したものであることを示す。
論文 参考訳（メタデータ） (2022-10-23T17:33:47Z) - Learning Relational Causal Models with Cycles through Relational
Acyclification [16.10327013845982]
本稿では,関係モデルに特化して設計されたテキスト・アサイクリフィケーションを提案する。
リレーショナルアサイクリゼーションと$sigma$-faithfulnessという仮定の下で、リレーショナル因果探索アルゴリズム RCD はサイクリックモデルに対して健全かつ完全であることを示す。
論文 参考訳（メタデータ） (2022-08-25T17:00:42Z) - Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。
ABCIは因果関係のモデルと関心のクエリを共同で推論する。
我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文 参考訳（メタデータ） (2022-06-04T22:38:57Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳（メタデータ） (2021-09-06T14:52:58Z) - Approaches to causality and multi-agent paradoxes in non-classical
theories [0.0]
この論文は量子および後量子理論における因果関係と多エージェント論理パラドックスの分析の進展を報告している。
本研究では,古典的・非古典的因果構造との違いを分析するために一般化エントロピーを用いた手法を開発した。
非古典理論における循環的および微調整的影響をモデル化するための枠組みを開発する。
論文 参考訳（メタデータ） (2021-02-04T03:35:57Z) - Disentangling Observed Causal Effects from Latent Confounders using
Method of Moments [67.27068846108047]
我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。
我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
論文 参考訳（メタデータ） (2021-01-17T07:48:45Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳（メタデータ） (2020-11-04T10:25:13Z) - Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。
この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。
実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
論文 参考訳（メタデータ） (2020-08-02T11:19:36Z) - Cyclic Quantum Causal Models [0.0]
因果推論は科学に不可欠であるが、量子論はそれに挑戦する。
ベルの不等式に違反する量子相関は、十分な因果説明を否定する。
量子系と重力を含む理論は因果的に分離不能なプロセスを可能にすることが期待されている。
論文 参考訳（メタデータ） (2020-02-27T15:07:22Z) - A Critical View of the Structural Causal Model [89.43277111586258]
相互作用を全く考慮せずに原因と効果を識別できることが示される。
本稿では,因果モデルの絡み合った構造を模倣する新たな逆行訓練法を提案する。
我々の多次元手法は, 合成および実世界の両方のデータセットにおいて, 文献的手法よりも優れている。
論文 参考訳（メタデータ） (2020-02-23T22:52:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。