PACER: Nuovo Framework per la Scoperta Causale Scalabile da Dati Interventistici

I ricercatori hanno introdotto PACER, acronimo di Perturbation-driven Acyclic Causal Edge Recovery. Questo nuovo framework è progettato per la scoperta causale garantendo che i risultati siano aciclici. A differenza dei metodi esistenti che si basano su vincoli di aciclicità soft—che possono creare problemi di ottimizzazione, portare a problemi numerici e limitare la scalabilità—PACER affronta queste sfide. Funziona modellando una distribuzione su grafi aciclici diretti (DAG) utilizzando una combinazione di permutazioni di variabili e probabilità degli archi. Ciò consente un'ottimizzazione diretta di strutture causali valide senza la necessità di penalità surrogate. PACER supporta anche un approccio unificato per dati osservazionali e interventistici ed è particolarmente utile in contesti ad alta dimensionalità. I risultati sono pubblicati su arXiv:2605.15353.