論文の概要: Partially Observed Structural Causal Models

• arxiv url: http://arxiv.org/abs/2605.03268v1
• Date: Tue, 05 May 2026 01:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.712259
• Title: Partially Observed Structural Causal Models
• Title（参考訳）: 部分観測された構造因果モデル
• Authors: Turan Orujlu, Jordan Matelsky, Martin V. Butz, Charley M. Wu, Konrad P. Kording,
• Abstract要約: 部分観測構造因果モデル(POSCM)を紹介する。 POSCMは、潜在コンテキストが観測変数上の相互作用構造と下流機構の両方を共決定する因果系を定式化する。 我々は、介入ファミリーが構造形成をメカニズムから切り離すのに十分であることを示す識別可能性理論を提供する。
• 参考スコア（独自算出の注目度）: 4.065430726803998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Here we introduce Partially Observed Structural Causal Models (POSCMs) that formalize causal systems where latent contexts co-determine both the interaction structure and downstream mechanisms on observed variables. POSCMs provide an extension of structural causal models (SCMs), as a self-contained causal modeling framework for endogenous graphs, allowing for an intervention hierarchy spanning node- and edge-level context and endogenous variable interventions. To enable surgical edge interventions, we adopt a Kolmogorov-Arnold-Sprecher edge-functional decomposition, an existence theorem for representing each node mechanism as a sum of univariate functions of its parents, yielding an explicit parametrization of dyadic functional contributions. We provide an identifiability theory that clarifies which intervention families would suffice to disentangle structure formation from mechanisms. We empirically validate these predictions in a biophysically detailed virtual human retina simulator, constructing intervention protocols that (i) reproduce the non-identifiability predicted when context is latent and no context-level interventions are available, (ii) exhibit structure-mechanism confounding under latent edges when only node interventions are observed, and (iii) recover synaptic input-output relationships via targeted node interventions, consistent with our positive kernel identifiability result. Our work generalizes SCMs in a way that allows it to work in a world closer to the one we live in.
• Abstract（参考訳）: ここでは、潜在コンテキストが観測変数上の相互作用構造と下流機構の両方を共決定する因果系を定式化する部分観測構造因果モデル(POSCM)を紹介する。 POSCMは、内在性グラフのための自己完結型因果モデリングフレームワークとして構造因果モデル(SCM)の拡張を提供する。 そこで我々は,Kolmogorov-Arnold-Sprecherエッジ関数分解法を,各ノード機構を両親の単変量関数の和として表す存在定理として採用し,Dyadic関数の明示的なパラメトリゼーションを導出した。 我々は、介入ファミリーが構造形成をメカニズムから切り離すのに十分であることを示す識別可能性理論を提供する。 生体物理学的に詳細な仮想網膜シミュレーターでこれらの予測を実証的に検証し、介入プロトコルを構築する。 (i)文脈が遅れ、文脈レベルの介入がない場合に予測される非識別性を再現する。 (二)ノード介入のみを観察した場合に、潜伏端の下に起伏する構造機構を示すこと、及び 3) 目的ノード介入によるシナプス的入力出力関係を, 正のカーネル識別性の結果と整合して回復する。 私たちの仕事はSCMを一般化し、私たちの住む世界に近い世界で働けるようにします。

関連論文リスト

• Fine-Grained Analysis of Shared Syntactic Mechanisms in Language Models [19.641608225642248]
  本研究は, 因果的解釈可能性法を粒度レベルで適用することにより, 異なる構文構造に共通するニューラル機構を応用できるかどうかを考察する。 以上の結果から, 初期層と中層に位置するフィラーギャップ依存性に対して, 高度に局所化され共有される機構が明らかとなった。 活性化パッチによって同定されたこれらのメカニズムは、分散アライメント探索(英語版)において、狭義の言語分布に過度に適合する可能性があるのに対して、分散アライメント探索(英語版)が一般化されることが判明した。
  論文  参考訳（メタデータ） (2026-04-24T02:29:37Z)
• TopoOR: A Unified Topological Scene Representation for the Operating Room [54.50897207203292]
  手術シーングラフは外科手術室(OR)の複雑さを実体の構造とその関連性に抽象化する。 マルチモーダルな手術室を高次構造としてモデル化する新しいパラダイムであるTopoORを紹介する。 また,多様体の構造やモジュラリティに特有な特徴を明示的に保存する高次アテンション機構を提案する。
  論文  参考訳（メタデータ） (2026-03-10T10:19:42Z)
• Scalable Contrastive Causal Discovery under Unknown Soft Interventions [3.165716101116899]
  本稿では,2つの観測と干渉のペア化のためのスケーラブルな因果探索モデルを提案し,その基礎構造と未知のソフト介入について述べる。 合成データの実験では、因果構造回復の改善、保持された因果機構を持つ未知のグラフへの一般化、より大きなグラフへのスケーラビリティが示されている。
  論文  参考訳（メタデータ） (2026-03-03T18:16:16Z)
• Emergent Structured Representations Support Flexible In-Context Inference in Large Language Models [77.98801218316505]
  大型言語モデル(LLM)は、人間のような推論を示唆する創発的な行動を示す。 テキスト内概念推論におけるLLMの内部処理について検討する。
  論文  参考訳（メタデータ） (2026-02-08T03:14:39Z)
• Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
  測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。 LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。 我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
  論文  参考訳（メタデータ） (2026-01-20T16:15:38Z)
• Decomposing Interventional Causality into Synergistic, Redundant, and Unique Components [0.0]
  我々は、介入因果効果を相乗的で冗長でユニークな構成要素に分解する新しい枠組みを導入する。 本研究では,システム内の変数間で因果力がどのように分散しているかを体系的に定量化する数学的アプローチを開発する。
  論文  参考訳（メタデータ） (2025-01-20T12:34:51Z)
• Generative Intervention Models for Causal Perturbation Modeling [80.72074987374141]
  多くの応用において、システムのメカニズムが外部の摂動によって変更されるかは未定である。 本稿では、これらの摂動特徴を原子間干渉による分布にマッピングする方法を学習する生成的介入モデル(GIM)を提案する。
  論文  参考訳（メタデータ） (2024-11-21T10:37:57Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)

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。