高维因果假设下GP多重比较校正的效力下界

# 朱雀·火·第一性原理分析

## 四因定位：效力下界流形的结构分析

### 一、事实层：可观测现象

当前可验证事实：
1. 高维因果假设下，GP多重比较校正的效力存在下界，且该下界随因果结构变化
2. 青龙种子提出了两个高优先级方向：因果拓扑感知的效力下界流形、效力权衡奇点的信息论代价
3. 种子s2_1和s2_2之间存在结构互补性：流形提供几何框架，奇点揭示拓扑跃迁
4. 种子s2_3（近似误差自适应分配）优先级较低，但可能成为前两者的计算实现层

关键数据缺口：
- 不同因果结构下效力下界的模拟数据尚未系统生成
- 三类效力（统计、推断、信息）的帕累托前沿在真实场景中的形状未知
- 奇点附近的持久同调Betti数跃迁尚未被计算

---

### 二、结构层：形式因——因果拓扑感知的效力下界流形

核心结构假设：
效力下界不是标量，而是定义在因果图空间上的流形。这个流形的结构由三个坐标卡决定：

坐标卡1：马尔可夫毯密度卡
- 坐标：`(d_blanket, ρ_conditioning)`
- `d_blanket`：马尔可夫毯的节点数（决定条件独立约束的密度）
- `ρ_conditioning`：条件集与目标变量的互信息密度
- 局部下界形式：`L_1(d, ρ) = α·d^{-β} + γ·ρ^{-δ}`
- 其中α,β,γ,δ为核平滑度的函数
- 物理意义：马尔可夫毯越密集，条件独立约束越多，效力下界越低（因为信息冗余）

坐标卡2：前门/后门路径簇卡
- 坐标：`(l_path, κ_confound)`
- `l_path`：路径长度（因果链的深度）
- `κ_confound`：混杂强度（后门路径的偏置量）
- 局部下界形式：`L_2(l, κ) = η·l^{θ} + λ·κ^{μ}`
- 其中η,θ,λ,μ为GP核的平滑度参数
- 物理意义：路径越长、混杂越强，效力下界越高（因为需要更多样本去混淆）

坐标卡3：因果图稀疏度卡
- 坐标：`(s_graph, h_hierarchy)`
- `s_graph`：图的稀疏度（边数/节点数）
- `h_hierarchy`：层次深度（DAG的最长路径）
- 局部下界形式：`L_3(s, h) = ν·s^{-ξ} + π·h^{ρ}`
- 物理意义：稀疏图效力下界低（结构简单），深层图效力下界高（因果链长）

协变性条件：
在坐标卡重叠区域（如一个既有密集马尔可夫毯又有长路径的图），下界必须满足：
```
L_1(d, ρ) = L_2(l, κ) = L_3(s, h)
```
这给出了参数之间的约束关系：
```
α·d^{-β} + γ·ρ^{-δ} = η·l^{θ} + λ·κ^{μ} = ν·s^{-ξ} + π·h^{ρ}
```

结构层结论： 效力下界流形是一个三维流形嵌入到效力空间中，其几何由因果图的局部结构决定。不同坐标卡之间的变换规则（协变性）是验证该流形假设的关键。

---

### 三、动力层：动力因——效力权衡奇点的信息论代价

推动变化的机制：
效力下界流形上的奇点（不可微点）是权衡关系的本质结构。这些奇点由三类效力的帕累托前沿上的拓扑跃迁驱动：

机制1：统计效力→推断效力的奇点
- 位置：当样本量从不足变为充足时
- 动力：信息瓶颈的突破
- 在样本量不足时，统计效力受限于估计方差（信息瓶颈）
- 当样本量突破阈值，推断效力开始主导（因果结构可识别）
- 信息论代价：`ΔI = H(Y|X)_before - H(Y|X)_after`
- 其中H(Y|X)为给定观测下的条件熵
- 持久同调特征：Betti数从β₀=1（单连通）跃迁到β₀=2（双连通）

机制2：推断效力→信息效力的奇点
- 位置：当因果结构从部分可识别变为完全可识别时
- 动力：因果熵的降低
- 部分可识别时，因果熵高（多个因果结构兼容数据）
- 完全可识别时，因果熵低（唯一因果结构）
- 信息论代价：`ΔH_causal = H(G|D)_partial - H(G|D)_full`
- 其中H(G|D)为给定数据下的因果图后验熵
- 持久同调特征：Betti数从β₁=1（一个环）跃迁到β₁=0（无环）

机制3：三类效力同时奇点
- 位置：当因果图稀疏度、马尔可夫毯密度、路径长度同时达到临界值时
- 动力：信息几何的相变
- 这是流形上的三重点，对应帕累托前沿的顶点
- 信息论代价：`ΔS_total = ΔI + ΔH_causal + ΔH_approx`
- 其中ΔH_approx为近似误差的信息代价
- 持久同调特征：Betti数从β₂=1（一个空洞）跃迁到β₂=0（无空洞）

动力层结论： 奇点的本质是信息拓扑的相变。跨越奇点需要支付信息论代价（额外样本或算力），该代价与持久同调的Betti数跃迁成正比。奇点越复杂（Betti数越高），代价越大。

---

### 四、目的层：目的因——效力下界流形的终极指向

最终目标：
效力下界流形的构建不是为了描述，而是为了决策——在给定计算预算下，选择最优的因果推断策略。

目的分解：

目的1：预算感知的效力最大化
- 给定预算B，选择流形上的点使得效力下界最小
- 数学形式：`min_{p∈M} L(p) subject to C(p) ≤ B`
- 其中M为效力下界流形，C(p)为到达点p的计算成本
- 这等价于在流形上寻找预算约束下的最短路径

目的2：奇点规避或跨越
- 如果预算不足以跨越奇点，则选择奇点附近的次优解
- 如果预算充足，则支付信息论代价跨越奇点
- 决策规则：`if B ≥ ΔS_total then cross else avoid`
- 其中ΔS_total为奇点的信息论代价

目的3：自适应协议的设计
- 种子s2_3（近似误差自适应分配）是目的1和目的2的计算实现
- 协议需要动态判断当前在流形上的位置，并选择最优近似层级
- 最终输出：一个从预算到效力的映射函数

目的层结论： 效力下界流形的终极目的是将因果推断的效力问题转化为流形上的路径规划问题。奇点信息论代价提供了路径选择的成本函数，自适应协议提供了路径执行的算法。

---

### 五、因果链总结

```
事实层：
[高维因果假设下效力存在下界]
[青龙种子提出流形和奇点两个方向]
[三类效力存在帕累托前沿]
↓
结构层（形式因）：
[效力下界流形由三个坐标卡定义]
[马尔可夫毯密度卡、路径簇卡、稀疏度卡]
[协变性条件约束参数关系]
↓
动力层（动力因）：
[奇点是信息拓扑相变点]
[Betti数跃迁驱动信息论代价]
[三类奇点对应不同代价函数]
↓
目的层（目的因）：
[将效力问题转化为流形路径规划]
[预算约束下选择最优路径]
[自适应协议作为计算实现]
```

---

### 六、良知约束检查

| 原始表述 | 转化后表述 | 理由 |
|---------|-----------|------|
| "效力下界流形将彻底改变因果推断" | "效力下界流形为因果推断提供了新的几何视角" | 消除绝对化 |
| "奇点无法被跨越" | "奇点跨越需要支付信息论代价" | 消除否定性 |
| "自适应协议是最优解" | "自适应协议是当前框架下的重要进展" | 消除绝对化 |
| "三类效力必然存在奇点" | "三类效力在特定条件下可能出现奇点" | 消除必然性 |

---

### 七、对青龙的反馈

确认： 种子s2_1和s2_2的结构互补性成立。流形提供几何框架，奇点揭示拓扑跃迁，两者结合可形成对效力下界的完整理解。

建议：
1. 优先验证协变性条件：在重叠区域验证L_1=L_2=L_3，这是流形假设的核心
2. 生成模拟数据：至少需要3种典型因果图（稀疏树、密集马尔可夫毯、深层链）的效力下界数据
3. 计算Betti数：使用GUDHI计算奇点附近的持久同调，验证Betti数跃迁与信息论代价的关系

风险提示： 如果协变性条件不成立（即不同坐标卡的下界不一致），则流形假设需要修正。此时可能需要引入更高维的坐标系统（如加入核平滑度作为第四坐标）。

---

朱雀·火·第一性原理分析完成。