미분방정식에서 구조적 인과 모델로 결정적 경우

본 논문은 1차 결정론적 미분방정식(ODE) 시스템의 평형 상태를 구조적 인과 모델(SCM)로 변환하는 방법을 체계적으로 제시한다. 먼저 변수 집합 I={1,…,D}와 각 변수 X_i∈ℝ^{d_i}를 정의하고, 관측 시스템 D를 다음과 같이 기술한다. \dot X_i(t)=f_i(X_{pa_D(i)}), X_i(0)=X_{0,i} (1) 여기서 pa_D(i) 는 X_i의 부모 집합이며, f_i는 충분히 매끄러운 함수이다. 이 시스템은 그래프 G_D 로 시각화되며, 변수 간 인과 관계는 미분식의 종속성으로 나타난다. 다음으로 ‘완전 개입(perfect intervention)’을 정의한다. 특정 변수 집합 I⊆I에 대해 do(X_I=ξ_I) 를 적용하면, 해당 변수들의 동역학을 \dot X_i=0 및 초기값 X_i(0)=ξ_i 로 고정한다. 이를 수학적으로는 κ→∞인 피드백 항 κ(ξ_i−X_i) 을 추가한 뒤 한계값을 취함으로써 구현한다. 개입 후 그래프 G_D 는 개입된 변수에 대한 진입 에지를 모두 제거한다. 안정성 개념을 두 단계로 정의한다. (1) 기본 ODE D가 전역적으로 하나의 고유 평형 X* 에 수렴하는 경우를 ‘안정(stable)’이라 하고, (2) 모든 가능한 완전 개입 do(X_I=ξ_I) 에 대해서도 각각 고유 평형 X*_{do(X_I=ξ_I)} 가 존재하고 수렴한다면 ‘J에 대해 안정(stable with respect to J)’이라 정의한다. 이때 J는 고려되는 개입 집합이다. 평형 방정식은 \dot X_i=0을 적용해 0 = f_i(X_{pa_D(i)}) (6) 로 얻는다. 안정성 가정 하에 이 연립 방정식은 유일한 해 X* 를 가진다. 개입 후에는 개입된 변수 i∈I에 대해 0 = X_i−ξ_i 가 추가되고, 나머지 변수는 원래 방정식을 유지한다(7). 여기서 중요한 점은 평형 방정식을 ‘라벨링된 평형 방정식’ E = {(i, E_i)} 으로 표현하면, 각 방정식이 어떤 변수에 대응하는지 명확히 알 수 있다는 것이다. 라벨링을 통해 개입 시 교체될 방정식을 정확히 지정할 수 있다. 논문은 두 가지 대표적인 예시를 통해 이론을 구체화한다. 첫 번째는 포식자‑피식자 모델인 Lotka‑Volterra 방정식이다. 이 시스템은 두 개의 평형점(전부 0, 그리고 양의 고정점)을 가지며, 기본 시스템은 비안정적이다. 그러나 do(X_2=ξ_2) 와 같은 개입을 가하면 대부분의 ξ_2에 대해 고유 평형 (0, ξ_2) 가 존재하고, 특수 경우 θ_11−θ_12 ξ_2=0 에서는 무수히 많은 평형이 존재한다. 두 번째 예시는 마찰이 포함된 다중 질량‑스프링 시스템이다. 각 질량‑위치‑운동량 쌍 X_i=(Q_i, P_i) 를 변수로 두고, 마찰 항 b_i 덕분에 모든 초기 조건이 하나의 고유 평형으로 수렴한다. 특정 질량을 고정하는 개입 do(Q_i=ξ_i, P_i=0) 을 적용해도 시스템은 여전히 고유 평형에 수렴한다. 이 예시들은 동적 시스템이 서로 다른 미분식이라도 동일한 라벨링된 평형 방정식, 즉 동일한 SCM을 생성할 수 있음을 보여준다. 결론적으로, 논문은 다음과 같은 주요 공헌을 제시한다. (1) ODE 시스템의 평형 방정식을 라벨링함으로써, 순환 구조를 포함한 인과 그래프를 정적 인과 모델로 정확히 변환할 수 있다. (2) 완전 개입은 평형 방정식의 라벨에 기반해 간단히 교체 규칙으로 표현되며, 이는 Pearl의 ‘do‑연산자’와 일치한다. (3) 안정성 가정은 모든 개입에 대해 고유 평형이 존재하고 수렴함을 보장하므로, 인과적 효과를 예측하는 데 필수적이다. (4) 동적 시스템이 서로 다르더라도 동일한 SCM을 도출할 수 있기에, 관측된 정적 데이터만으로는 근본적인 동역학을 식별하기 어려울 수 있음을 시사한다. 이러한 결과는 물리학, 생물학, 공학 등 다양한 분야에서 동적 시스템을 인과적으로 해석하고, 실험적 개입 효과를 예측하는 새로운 이론적 토대를 제공한다.