数字孪生的因果证伪
统计方法学
2023-11-03 v4 计算工程、金融与科学
机器学习
应用统计
摘要
数字孪生是为预测真实世界过程在干预下如何演化而设计的虚拟系统。该建模范式在许多应用中具有重大前景，但对其准确性进行严格评估的程序对于安全关键场景至关重要。我们考虑如何利用真实世界数据评估数字孪生的准确性。我们将此表述为因果推断问题，从而得出适用于许多应用的、孪生“正确”的精确定义。遗憾的是，因果推断的基本结论意味着，除非做出可能脆弱的假设（如数据无混杂），否则观测数据不能用于证明孪生在此意义下正确。为避免这些假设，我们转而提出寻找孪生不正确的情况，并给出用于此目的的通用途统计过程。我们的方法仅在观测轨迹的i.i.d.数据集假设下，就能产生关于孪生的可靠且可操作的信息，且即使数据存在混杂也仍然有效。我们将该方法应用于涉及Pulse Physiology Engine中脓毒症建模的大规模真实案例研究，并使用ICU患者的MIMIC-III数据集对其进行评估。
引用
@article{arxiv.2301.07210,
title = {Causal Falsification of Digital Twins},
author = {Rob Cornish and Muhammad Faaiz Taufiq and Arnaud Doucet and Chris Holmes},
journal= {arXiv preprint arXiv:2301.07210},
year = {2023}
}