ALD-Lab/SURD

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

해결하는 문제

SURD는 시계열 데이터에서 복잡한 인과 관계를 이해하는 과제를 해결합니다. 과거 사건이 미래 목표 변수에 대해 제공하는 정보를 중복(공유 정보), 고유(단일 소스의 정보), 상승(여러 소스의 상호작용으로 생성된 정보)의 세 가지 범주로 분해합니다. 또한 관측된 변수로 설명되지 않는 미래의 부분을 나타내는 "인과 누출"을 정량화합니다.

작동 방식

이 방법은 과거 소스 사건과 미래 목표 사건의 결합 확률 분포를 분석합니다. 기본적으로 히스토그램을 사용하여 이러한 분포를 추정하지만, 변수가 많거나 데이터가 제한된 시나리오를 위해 신경망 기반 추정도 지원합니다. surd.states 하위 패키지는 이러한 인과 기여를 변수의 특정 상태까지 해석하여 연구자가 변수가 인과적이라는 사실뿐만 아니라 그 인과성이 어떤 상태에서 발생하는지도 확인할 수 있게 합니다.

대상 사용자

이 도구는 시뮬레이션이나 실험에서 얻은 시계열 데이터를 다루는 연구자와 과학자(예: 난류 연구, 개체군 역학, 복잡계 모델링)를 위해 설계되었으며, 단순한 상관관계를 넘어 인과 상호작용의 구체적인 구조를 이해해야 하는 사람들을 위한 것입니다.

주요 특징

  • 인과 관계를 중복, 고유, 상승 구성 요소로 분해합니다.
  • 인과 누출을 정량화하여 설명되지 않은 정보를 측정합니다.
  • 유연성을 위해 히스토그램 기반 및 신경망 기반 추정을 모두 지원합니다.
  • 특정 인과 상태를 식별하기 위한 상태 해석 분석을 포함합니다.
  • 다변수 시스템, 다양한 시간 지연 및 순간 링크와 호환됩니다.
  • 검증된 방법론은 Nature Communications 및 Communications Physics에 게재되었습니다.

관련

  • 프로젝트
  • 프로젝트
  • 프로젝트
  • 프로젝트