Graph causality 논문 리뷰 시리즈

그래프와 동역학 시계열 위에서 직접 인과, 간접 인과, 잠재 교란자를 구분하려는 graph causality 계열의 핵심 논문 3편을 PCM의 부분 교차사상, CIC의 보이지 않는 교란자 분해, IC2의 개입 동역학 인과 추정까지 원논문의 공개·기초 흐름 순서로 읽는 한국어 딥리뷰 시리즈. 관계 그래프를 예측 대상이 아니라 인과 구조를 복원해야 할 연구 지형으로 다룬다.

1. Partial Cross Mapping Eliminates Indirect Causal Influences — PCM은 비선형 시계열에서 cross mapping이 잡아내는 인과 신호를 제3 변수의 정보로 조건화해, 간접 경로와 직접 결합을 구분하려 한다. 이는 개입 효과를 일반적으로 증명하는 방법은 아니다.
2. Dynamical Causality Under Invisible Confounders — CIC는 두 시계열을 지연 임베딩 공간에서 공통·사적 성분으로 나눠 숨은 교란과 동역학적 연결을 구분하려 한다. 이는 관측 자료만으로 일반적 개입 인과를 증명한다는 뜻은 아니다.
3. IC2: interventional dynamical causality under latent confounders — 관측 시계열만으로 개입 수준의 인과를 추정한다는 IC2의 주장이 정확히 무엇이며, 지연 임베딩 공간에서 교차사상 이웃으로 구성한 개입 데이터가 어디까지 개입의 대리물로 성립하는지를 검토합니다.