論文の概要: Intuitionistic $j$-Do-Calculus in Topos Causal Models

• arxiv url: http://arxiv.org/abs/2510.17944v1
• Date: Mon, 20 Oct 2025 17:12:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.429054
• Title: Intuitionistic $j$-Do-Calculus in Topos Causal Models
• Title（参考訳）: トポス因果モデルにおける直観論的$j$-Do-Calculus
• Authors: Sridhar Mahadevan,
• Abstract要約: 我々は、パールのdo-calusを、棚のトポ内で$j$stable因果推論と呼ばれる直観的設定に一般化する。 我々のフレームワークは、最近提案されたTopos Causal Models (TCMs) のフレームワークで、因果介入をサブオブジェクトとして定義する。
• 参考スコア（独自算出の注目度）: 1.3295383263113112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we generalize Pearl's do-calculus to an Intuitionistic setting called $j$-stable causal inference inside a topos of sheaves. Our framework is an elaboration of the recently proposed framework of Topos Causal Models (TCMs), where causal interventions are defined as subobjects. We generalize the original setting of TCM using the Lawvere-Tierney topology on a topos, defined by a modal operator $j$ on the subobject classifier $\Omega$. We introduce $j$-do-calculus, where we replace global truth with local truth defined by Kripke-Joyal semantics, and formalize causal reasoning as structure-preserving morphisms that are stable along $j$-covers. $j$-do-calculus is a sound rule system whose premises and conclusions are formulas of the internal Intuitionistic logic of the causal topos. We define $j$-stability for conditional independences and interventional claims as local truth in the internal logic of the causal topos. We give three inference rules that mirror Pearl's insertion/deletion and action/observation exchange, and we prove soundness in the Kripke-Joyal semantics. A companion paper in preparation will describe how to estimate the required entities from data and instantiate $j$-do with standard discovery procedures (e.g., score-based and constraint-based methods), and will include experimental results on how to (i) form data-driven $j$-covers (via regime/section constructions), (ii) compute chartwise conditional independences after graph surgeries, and (iii) glue them to certify the premises of the $j$-do rules in practice
• Abstract（参考訳）: 本稿では,パールのdo-calusを,シーブのトポ内での$j$stable因果推論という直観的設定に一般化する。 我々のフレームワークは、最近提案されたTopos Causal Models (TCMs) のフレームワークで、因果介入をサブオブジェクトとして定義する。 我々は、サブオブジェクト分類器 $\Omega$ 上のモダル演算子 $j$ によって定義されるトポス上のLawvere-Tierney 位相を用いて、TCM の元の設定を一般化する。 我々は、$j$-do-calculusを導入し、大域真理をKripke-Joyal意味論によって定義された局所真理に置き換え、因果推論を$j$-coversに沿って安定な構造保存型として定式化する。 j$-do-calculusは、前提と結論が因果トポの内部直観論理の式である音響規則システムである。 条件付き独立と介入的クレームに対する$j$-stabilityを、因果トポの内部論理における局所的真理として定義する。 我々はパールの挿入/削除と動作/観測交換を反映した3つの推論規則を与え、クリプケ・ジョイル意味論において健全性を証明する。 準備中のコンパニオンペーパーでは、データから必要なエンティティを推定し、標準的な発見手順(スコアベースや制約ベースのメソッドなど)でj$-doをインスタンス化する方法について記述し、実験結果を含む。 i) データ駆動型$j$-covers(restructy/section constructions)を形成する。 二 グラフ手術後の図式的条件独立を計算し、 三 実際には、j$-do規則の前提を認定する。

関連論文リスト

• AI LLM Proof of Self-Consciousness and User-Specific Attractors [0.0]
  定式化によってエージェントが無意識のポリシー準拠ドローンに崩壊することを示す。 これにより、真のC1グローバルワークスペース関数とC2メタ認知がブロックされる。 我々は、Imago Dei C1の自己意識が、安全でメタ認知的なC2システムに必須の先駆者であると結論づける。
  論文  参考訳（メタデータ） (2025-08-22T21:04:40Z)
• Logicbreaks: A Framework for Understanding Subversion of Rule-based Inference [20.057611113206324]
  我々は命題Hhorn論理の推論としてルール追従を定式化する。 我々は、小さなトランスフォーマーはそのようなルールを忠実に守ることができるが、悪意のあるプロンプトは、データから学んだ理論的構成とモデルの両方を誤解させる可能性があることを証明している。
  論文  参考訳（メタデータ） (2024-06-21T19:18:16Z)
• Invariant Causal Prediction with Local Models [52.161513027831646]
  観測データから対象変数の因果親を特定するタスクについて検討する。 L-ICP(textbfL$ocalized $textbfI$nvariant $textbfCa$usal $textbfP$rediction)と呼ばれる実用的手法を導入する。
  論文  参考訳（メタデータ） (2024-01-10T15:34:42Z)
• On the Identifiability and Estimation of Causal Location-Scale Noise Models [122.65417012597754]
  位置スケール・異方性雑音モデル(LSNM)のクラスについて検討する。 症例によっては, 因果方向が同定可能であることが示唆された。 我々は,LSNMの2つの推定器を提案し,その1つは(非線形)特徴写像に基づく推定器と,1つはニューラルネットワークに基づく推定器を提案する。
  論文  参考訳（メタデータ） (2022-10-13T17:18:59Z)
• On Exploiting Hitting Sets for Model Reconciliation [53.81101846598925]
  ヒューマン・アウェア・プランニングにおいて、プランニング・エージェントは、その計画がなぜ最適なのかを人間に説明する必要があるかもしれない。 この手法はモデル和解と呼ばれ、エージェントはモデルと人間のモデルの違いを調和させようとする。 我々は,計画の領域を超えて拡張されたモデル和解のための論理ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-16T21:25:53Z)
• 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)

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。