Stochastic Path Integral Formalism of Causal Field Theory

Motivation

• Known: 기존 Causal Field Theory(CFT) 연구는 do-calculus를 PDE 기반 시스템에 연결하고 linear-response 영역에서 Green's function을 이용해 국소 치료 효과를 계산했으며, 연속시간 causal inference와 dynamic SCM, MSRJD response field, Onsager-Machlup action, stochastic adjoint, instanton 등은 통계물리 및 확률제어 분야에서 이미 확립된 계산 도구들이다.
• Gap: 기존 CFT는 유한(finite) 비선형 개입, 노이즈 fluctuation이 평균 치료 효과에 미치는 영향, 그리고 동일한 노이즈 경로(same-noise path)에 조건화된 patient-specific counterfactual을 다루지 못했으며, 현재의 생성적 counterfactual 모델들은 global metadata나 image-level semantic attribute에 집중하여 spatial transcriptomics나 serial H&E imaging처럼 부분적 스냅샷만 제공하는 modality에서의 path-level causal question을 다루지 못한다.
• Why: 종양 미세환경처럼 이질적이고 시공간적으로 진화하는 생물학적 시스템에서 국소 치료(focal radiation, intratumoral drug delivery 등)의 효과를 예측하고, 동일 환자에 대해 다른 부위·용량·시점의 대안적 개입 결과를 추정하는 것은 정밀 의료 및 virtual tissue model 개발에 핵심적이며, 기존 sequential abduction-action-prediction 방식이 불안정한 상황에서 대안적 추정 경로를 제공하기 때문이다.
• Approach: Itô SPDE의 additive Gaussian noise를 갖는 동역학에 대해 MSRJD generating functional을 구성하고, noise path를 exogenous variable로, drift deformation을 intervention으로, shared-noise를 갖는 doubled path integral을 Pearl-style twin-world counterfactual 메커니즘으로 해석한다.

Achievement

Figure 2. Loop-corrected response in a bistable SDE. The tree-level deterministic response misses noise-assisted crossin

1. Causal SCM으로서의 MSRJD/Onsager-Machlup 정식화: 노이즈 경로를 exogenous variable, drift 변형을 intervention, response field insertion을 causal sensitivity로 매핑하는 dictionary(Table 1)를 구축했다.
2. CFT의 일반화: tree-level linear response 극한에서 기존 Causal Field Theory(Mehrjou & Schölkopf, 2026) 결과를 정확히 재현함을 보였다.
3. 유한 개입 및 loop 보정 효과 규명: one-loop 및 Gaussian-2PI/Hartree closure를 통해 fluctuation이 average treatment effect(ATE)를 얼마나 이동시키는지 정량화했다.
4. Path-space sampling 기법 도입: Onsager-Machlup action에 대한 function-space MCMC를 이용해 explicit abduction 없이 finite-intervention 및 conditional counterfactual distribution을 샘플링했다.
5. Rare event 및 고차 상호작용 처리: MSRJD saddle/instanton 방법을 통해 저노이즈/MAP 영역에서 stochastic optimal control 및 stochastic adjoint와의 대응관계를 규명하고, synthetic lethality 같은 higher-order treatment interaction을 autodiff Hessian으로 계산했다.

How

Figure 1. Finite-intervention dose response in a bistable spa-

• 벡터 필드 $X_a(x,t)$의 진화를 $\partial_t X_a = F_a[X] + u_a[X] + \eta_a$ 형태의 Itô SPDE로 정의하고, $\eta_a$는 covariance $N_{ab}$를 갖는 Gaussian noise로 설정.
• MSRJD construction으로 delta functional을 response field $\tilde{X}$를 통해 exponentiate하여 action $S_{MSRJD}[X,\tilde{X};u]$와 generating functional $Z[J,\tilde{J};u]$를 정의.
• 연결 생성자 $W = \log Z$의 $J$, $\tilde{J}$, $u$에 대한 functional derivative를 통해 associational correlation, interventional mean field/response(식 (3)), counterfactual을 각각 유도.
• soft intervention($F \mapsto F+u$)과 hard intervention(clamp, $do(X_C=g)$)을 모두 path integral의 support 제약으로 표현.
• twin-world counterfactual을 위해 동일 noise를 공유하는 doubled action을 구성하여 explicit abduction 단계 없이 counterfactual distribution을 계산.
• 알려진 메커니즘을 가진 synthetic bistable SDE/SPDE 시스템에서 tree-level Green's function, one-loop 보정, function-space MCMC, instanton sampling, adjoint Hessian 등을 실험적으로 검증.

Originality

• 통계장론(statistical field theory)의 MSRJD/Onsager-Machlup 도구를 causal inference의 structural causal model 언어와 명시적으로 통합한 최초의 시도 중 하나로 보임.
• 노이즈 경로를 exogenous variable로, doubled shared-noise path integral을 twin-world counterfactual mechanism으로 대응시키는 새로운 해석을 제시.
• 기존 CFT의 linear-response 한계를 극복하여 유한 개입, fluctuation 효과, same-noise conditioning을 하나의 통합된 path-integral dictionary로 확장.
• sequential abduction-action-prediction이 불안정한 상황에서 path-space energy-based model을 통한 대안적 counterfactual sampling 경로를 제안.

Limitation & Further Study

• additive Gaussian noise 가정에 의존하며, 이를 완화할 경우 state-dependent vertex와 log-det Jacobian이 action에 추가되어 계산이 복잡해진다고 저자들도 인정함.
• 실험이 known-mechanism synthetic system(bistable SDE 등)에 국한되어 있어 실제 spatial transcriptomics나 H&E imaging 같은 고차원 실세계 생물학적 데이터에 대한 검증이 부재함.
• Itô causality(non-anticipating drift) 및 noise prior의 exogeneity라는 강한 가정이 실제 생물학적 개입 시나리오에서 항상 성립하는지 불분명함.
• function-space MCMC와 instanton sampling의 계산적 확장성(scalability)에 대한 논의가 제한적이며, 고차원 조직 모델로의 실질적 적용 가능성에 대한 추가 검증이 필요함.
• 후속 연구로는 non-additive noise로의 확장, 실제 spatial-omics 데이터셋에의 적용, 그리고 sampling 방법의 계산 효율성 개선이 필요해 보임.

Evaluation

총평: 통계장론과 causal inference를 정교하게 연결한 이론적으로 참신하고 잠재적 파급력이 큰 연구이나, synthetic 시스템에 국한된 검증으로 실제 생물학적 응용까지는 추가 검증이 필요하다.