인과 관계 식별을 위한 알고리즘적 구문론적 접근

관찰 분포에서 개입 분포를 도출할 수 있는 인과 관계 식별은 인과 추론에 중요한 도구이다. 기존의 d-분리와 do-계산 기법은 고전 확률론에 기반하지만, 관계형 데이터베이스, 하드웨어 설명 언어, 분산 시스템 등 많은 인과 관계 설정에서는 확률론이 적용되지 않는다. 본 연구는 고전 확률론 대신 대칭 단일 사상 범주론을 사용하여 인과 모델의 구문론과 의미론을 명확히 구분하고, 고정 연산을 통한 일반적인 인과 관계 식별의 순수 구문론적 알고리즘 설명을 제공한다.