論文の概要: Fast Flow Matching based Conditional Independence Tests for Causal Discovery

• arxiv url: http://arxiv.org/abs/2602.08315v1
• Date: Mon, 09 Feb 2026 06:43:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.090275
• Title: Fast Flow Matching based Conditional Independence Tests for Causal Discovery
• Title（参考訳）: 高速フローマッチングによる因果発見のための条件独立試験
• Authors: Shunyu Zhao, Yanfeng Yang, Shuai Li, Kenji Fukumizu,
• Abstract要約: 制約に基づく因果発見法は、多くの条件独立(CI)テストを必要とする。 フローマッチングに基づく条件独立テスト(FMCIT)を提案する。 提案試験では,フローマッチングの計算効率を高く評価し,因果発見手順全体を通して1回のみモデルを訓練する必要がある。
• 参考スコア（独自算出の注目度）: 19.33167245211968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constraint-based causal discovery methods require a large number of conditional independence (CI) tests, which severely limits their practical applicability due to high computational complexity. Therefore, it is crucial to design an algorithm that accelerates each individual test. To this end, we propose the Flow Matching-based Conditional Independence Test (FMCIT). The proposed test leverages the high computational efficiency of flow matching and requires the model to be trained only once throughout the entire causal discovery procedure, substantially accelerating causal discovery. According to numerical experiments, FMCIT effectively controls type-I error and maintains high testing power under the alternative hypothesis, even in the presence of high-dimensional conditioning sets. In addition, we further integrate FMCIT into a two-stage guided PC skeleton learning framework, termed GPC-FMCIT, which combines fast screening with guided, budgeted refinement using FMCIT. This design yields explicit bounds on the number of CI queries while maintaining high statistical power. Experiments on synthetic and real-world causal discovery tasks demonstrate favorable accuracy-efficiency trade-offs over existing CI testing methods and PC variants.
• Abstract（参考訳）: 制約に基づく因果探索法は、多くの条件付き独立性テスト(CI)を必要とする。 そのため,各試験を高速化するアルゴリズムを設計することが重要である。 この目的のために,フローマッチングに基づく条件独立テスト(FMCIT)を提案する。 提案試験では, 流れマッチングの計算効率を高く評価し, 因果発見過程全体を通して1回のみモデルを訓練し, 因果発見を著しく加速させる。 数値実験によると、FMCITはI型誤差を効果的に制御し、高次元条件セットが存在する場合でも、代替仮説の下で高い試験能力を維持する。 さらにFMCITを高速スクリーニングとFMCITを用いた指導・予算改良を組み合わせた2段階のPCスケルトン学習フレームワークGPC-FMCITに統合する。 この設計は、高い統計力を維持しながらCIクエリの数に明確な境界を与える。 合成および実世界の因果発見タスクの実験は、既存のCIテスト方法とPCの変種に対して、良好な精度と効率のトレードオフを示す。

関連論文リスト

• Causal Discovery for Cross-Sectional Data Based on Super-Structure and Divide-and-Conquer [9.740161937852067]
  本稿では,配当のアルゴリズム的利点を保ちながら,超構造構築の厳密な要件を緩和する新しい枠組みを提案する。 我々は、具体的な因果探索アルゴリズムでフレームワークをインスタンス化し、そのコンポーネントを合成データ上で厳格に評価する。 我々の結果は、初期の超構造に関する最小限の仮定の下でも、正確でスケーラブルな因果発見が達成可能であることを証明している。
  論文  参考訳（メタデータ） (2026-02-03T16:18:17Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Score-based Generative Modeling for Conditional Independence Testing [35.0533359302886]
  本稿では,精度の高いタイプIエラー制御と強力なテスト能力を実現するための,スコアベース生成モデルによる新しいCIテスト手法を提案する。 スコアベース生成モデルによりモデル化された条件分布の誤差境界を理論的に確立し,CIテストの有効性を検証した。
  論文  参考訳（メタデータ） (2025-05-29T10:10:46Z)
• A Fast Kernel-based Conditional Independence test with Application to Causal Discovery [9.416064439922001]
  FastKCIは、スケーラブルで並列化可能なカーネルベースの条件付き独立テストである。 実世界の生産データに関する合成データセットとベンチマークの実験は、FastKCIが元のKCIテストの統計力を維持していることを検証する。
  論文  参考訳（メタデータ） (2025-05-16T10:14:57Z)
• Testing Causal Models with Hidden Variables in Polynomial Delay via Conditional Independencies [49.99600569996907]
  観測データに対して仮説化された因果モデルをテストすることは、多くの因果推論タスクにとって重要な前提条件である。 モデルは指数関数的に多くの条件付き独立関係(CI)を仮定できるが、これら全てをテストすることは実用的でなく不必要である。 隠れ変数を持つ因果グラフのc-LMPを導入し、これらのCIを多時間間隔でリストする遅延アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-09-22T21:05:56Z)
• Precise Error Rates for Computationally Efficient Testing [67.30044609837749]
  本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。 線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
  論文  参考訳（メタデータ） (2023-11-01T04:41:16Z)
• On sample complexity of conditional independence testing with Von Mises estimator with application to causal discovery [21.12645737093305]
  条件付き独立テストは制約に基づく因果探索アルゴリズムにおいて不可欠なステップである。 我々は、最適パラメトリックレートを達成するVM-CIと呼ばれる推定器に基づいて、条件独立性の試験を設計する。 VM-CIは、時間またはサンプルの複雑さの観点から、他の一般的なCIテストよりも優れていることを実証的に示します。
  論文  参考訳（メタデータ） (2023-10-20T14:52:25Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• Improving the Efficiency of the PC Algorithm by Using Model-Based Conditional Independence Tests [11.33674514817655]
  PC利用条件独立(CI)テストのような制約に基づく構造学習アルゴリズムは因果構造を推論する。 従来、制約ベースのアルゴリズムは、より小さな条件セットを優先してCIテストを実行する。 本稿では,CIテストの実施回数を削減できる制約ベースのアルゴリズムの新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-11-12T00:54:53Z)

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。