관측 데이터만 보고 변수 사이 원인과 결과를 찾는 인과 발견은 보통 데이터의 생성 가정을 먼저 고른다. 광둥공업대·산터우대·칭화대 연구진은 이 절차를 하나의 사전학습 모델로 통합한 CDFM을 제안했다. 선형·비선형, 연속·이산, 측정오차와 잠재 교란을 아우르는 합성 구조적 인과모형을 학습하고, 새 데이터에서는 정답 그래프 없이 구조를 바로 예측하는 접근이다.
연구의 출발점은 관측분포만으로는 인과 방향을 식별할 수 없다는 한계다. CDFM은 가정을 없앤다고 주장하지 않고, 식별 가능한 여러 메커니즘을 잠재변수 M으로 취급한다. 변분 하한은 메커니즘 추론, 관측값 재구성, 그래프 추론의 세 부분으로 분해된다. 이론상 메커니즘 공간이 엄격히 식별 가능하고 모델 용량과 최적화가 충분해야 참 그래프를 회복한다.
구조는 이 분해를 따라 설계됐다. 열 단위 Set Transformer가 값과 결측 표시를 임베딩하고, 행·열 방향 어텐션을 번갈아 적용해 표본과 변수 의존성을 모은다. 결측값 복원 헤드는 현재 그래프가 허용하는 정보 흐름으로 21개 분위수를 예측한다. 원인·결과 요약 벡터는 전문가 혼합과 비대칭 쌍선형 헤드를 거쳐 방향성 간선 확률이 되며, 추론 중에는 복원 오차로 그래프를 미세 조정한다.
사전학습 생성기는 ER·scale-free·small-world 등 6개 그래프 계열을 사용하고 변수 2~100개, 표본 50~4096개를 뽑는다. 훈련 배치의 15%에는 잠재변수를 넣고, 50% 확률로 완전무작위 결측을 만든다. 평가에서는 15개 인과 메커니즘, 변수 10~100개, 표본 500~4000개를 조합했다. 500표본 평균 AUROC는 CDFM 0.864, 최강 비교 모델 TabCausal 0.767이었고, 4000표본에서는 0.888 대 0.786이었다.
F1도 500표본 0.552에서 4000표본 0.591로 올라 모든 표본 구간에서 비교군을 앞섰다. 실제 물리계 Causal Chamber A1에서는 AUROC 0.952, F1 0.727을 기록했고 A2에서는 20개 환경의 예측을 평균해 AUROC 0.965를 얻었다. 튀빙겐 95개 이변량 원인·결과 쌍에서는 가중 정확도 0.671로 TabCausal 0.638보다 높았다. 다만 특정 선형 비가우시안 조건의 F1에서는 DirectLiNGAM 같은 전문 방법이 우세했다.
| 항목 | 값 | 원문 근거 |
|---|---|---|
| 합성 평가 범위 | 15 메커니즘, D=10~100, N=500~4000 | PDF p.12, Sec. 6.2; Tables 1–2 |
| 500표본 AUROC | CDFM 0.864 / TabCausal 0.767 | PDF p.12, Table 1 |
| 4000표본 F1 | CDFM 0.591 / TabCausal 0.407 | PDF p.13, Table 2 |
| Causal Chamber A1 | AUROC 0.952 / F1 0.727 | PDF p.15, Table 4 |
| Tübingen 95쌍 | CDFM 정확도 0.671 | PDF p.16, Table 6 |
자료: STORIUM 정리
결과는 넓은 합성 분포가 여러 가정에 걸친 인과 단서를 학습시킬 수 있음을 보여주지만 범용 인과 판정기로 확정하기엔 이르다. 실제 데이터 평가는 제한적이고 A2는 단일 관측행렬 입력을 보완하는 환경 앙상블을 썼다. 식별성 진단 실험은 별도 저차원 데이터로 미세조정한 모델이라 제로샷 성과에 포함되지 않는다. 메커니즘 공간의 엄격한 식별 가능성, 충분한 모델 용량, 합성 분포가 현실을 덮는다는 조건도 남아 있다. 이 논문은 2026년 7월 arXiv v1 프리프린트다.
1차 출처: https://arxiv.org/abs/2607.11508
저작권자 © STORIUM 무단전재 및 재배포 금지
