ALD-Lab/SURD

Synergistic-Unique-Redundant Decomposition of causality from time series (Nature Communications, 2024)

解決する問題

SURD は、時系列データにおける複雑な因果関係を理解するという課題に取り組みます。過去のイベントが将来のターゲット変数について提供する情報を、冗長(共有情報)、独自(単一のソースからの情報)、相乗(複数のソースの相互作用によって生み出される情報)の3つの異なるカテゴリに分解します。また、観測された変数によって説明されない未来の部分を表す「因果リーク」も定量化します。

仕組み

この手法は、過去のソースイベントと将来のターゲットイベントの同時確率分布を分析します。デフォルトでは、ヒストグラムを使用してこれらの分布を推定しますが、変数が多い場合やデータが限られている場合には、ニューラルネットワークベースの推定もサポートしています。surd.states サブパッケージは、これらの因果貢献を変数の特定の状態にまで分解することでこれを拡張し、研究者が変数が因果的であるという事実だけでなく、その因果性がどの状態で発生するかを確認できるようにします。

対象読者

このツールは、シミュレーションや実験からの時系列データを扱う研究者や科学者(乱流研究、個体群動態、複雑系モデリングなど)向けに設計されており、単純な相関を超えて因果相互作用の具体的な構造を理解する必要があります。

ハイライト

  • 因果関係を冗長、独自、相乗的な成分に分解します。
  • 因果リークを定量化して、未説明の情報を測定します。
  • 柔軟性のために、ヒストグラムベースとニューラルネットワークベースの両方の推定をサポートします。
  • 特定の因果状態を識別するための状態分解分析を含みます。
  • 多変数システム、さまざまなタイムラグ、瞬間的なリンクと互換性があります。
  • 実証済みの方法論は Nature Communications と Communications Physics に掲載されています。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト