使用压缩复杂度度量的因果发现

因果推断是科学所有领域中最基本的问题之一。我们解决从两个观测到的离散符号序列 $X$ 和 $Y$ 推断因果方向的问题。我们提出一个框架，该框架依赖无损压缩器从序列对中推断无上下文文法（CFG），并量化从一个序列推断出的文法对另一序列的压缩程度。如果由 $X$ 推断出的文法比反向情况更好地压缩 $Y$，我们推断 $X$ 导致 $Y$。为将这一概念付诸实践，我们提出三种模型，使用压缩复杂度度量（CCM）——Lempel-Ziv（LZ）复杂度和压缩努力度（ETC）来推断 CFG 并发现因果方向，且无需时间结构。我们在合成和真实世界基准上评估这些模型，并经验性地观察到其与当前最先进方法相竞争的性能。最后，我们展示了所提模型在直接从属于 SARS-CoV-2 病毒的两两基因组序列对进行因果推断的两个独特应用。利用大量序列，我们表明我们的模型捕获了序列对之间有向的因果信息交换，为在未来应用中解决接触者追踪、基序发现、毒力和致病性演化等关键问题提供了新机遇。