Using Mathematics to Better Understand Cause and Effect

ENG: Understanding causality in complex systems is a challenge that scientists and engineers frequently encounter. When multiple variables interact—such as in climate science, medicine, or finance—distinguishing cause from mere correlation becomes especially difficult. Adrián Lozano-Durán and his team from Caltech and MIT have addressed this problem with a groundbreaking method, called SURD (synergistic-unique-redundant decomposition of causality). This system separates the impact of each variable into three types of causality: unique, redundant, and synergistic. This decomposition allows researchers to identify not only individual contributions but also interactions between variables, making it easier to pinpoint true causal relationships, even in complex environments like atmospheric science or financial markets.

The unique power of SURD lies in its ability to handle complex interactions where traditional methods often fall short. In cases of redundant causality, for example, SURD can identify when multiple variables contribute to the same outcome, but only one is necessary—like a student succeeding due to either intelligence or hard work. In synergistic causality, multiple variables must work together to produce an effect, as seen when two medications are only effective in combination. By capturing these intricate relationships, SURD provides researchers with a clearer understanding of causality than methods that treat each variable in isolation. This refined approach reduces the likelihood of false positives, helping scientists avoid misleading results and uncover previously hidden causalities.

The research team tested SURD in challenging scenarios, including the analysis of turbulent air flows. Here, SURD was used to unravel the causality of velocity patterns near a wall, where past theories could not definitively attribute cause and effect. Through SURD’s decomposition, the team discovered that high-altitude velocity plays a causative role in lower-altitude turbulence, with synergistic interactions adding an extra layer of complexity. This breakthrough demonstrates how SURD can provide valuable insights across fields—from designing more efficient aircraft by identifying sources of drag, to clarifying the factors contributing to heart failure.

RO: Înțelegerea cauzalității în sistemele complexe este o provocare cu care oamenii de știință și inginerii se confruntă frecvent. Atunci când mai multe variabile interacționează – cum ar fi în știința climei, medicină sau finanțe – distingerea cauzei de simpla corelație devine deosebit de dificilă. Adrián Lozano-Durán și echipa sa de la Caltech și MIT au abordat această problemă printr-o metodă inovatoare numită SURD (descompunerea sinergică-unică-redundantă a cauzalității). Această tehnică separă impactul fiecărei variabile în trei tipuri de cauzalitate: unică, redundantă și sinergică. Această descompunere permite cercetătorilor să identifice nu numai contribuțiile individuale, ci și interacțiunile dintre variabile, facilitând identificarea adevăratelor relații cauzale, chiar și în medii complexe precum știința atmosferică sau piețele financiare.

Puterea unică a SURD constă în capacitatea sa de a gestiona interacțiuni complexe în cazul în care metodele tradiționale sunt insuficiente. De exemplu, în cazurile de cauzalitate redundantă, sistemul poate identifica situațiile în care mai multe variabile contribuie la același rezultat, dar numai una este necesară – precum succesul unui student datorat fie inteligenței, fie muncii asidue. În cazul cauzalității sinergice, mai multe variabile trebuie să lucreze împreună pentru a produce un efect, cum se întâmplă atunci când două medicamente sunt eficiente doar în combinație. Prin captarea acestor relații complexe, SURD oferă cercetătorilor o înțelegere mai clară a cauzalității decât metodele care tratează fiecare variabilă izolat. Această abordare rafinată reduce probabilitatea unor rezultate fals pozitive, ajutând oamenii de știință să evite rezultatele înșelătoare și să descopere cauzalități ascunse anterior.

Echipa de cercetători a testat metoda SURD în scenarii dificile, inclusiv analiza fluxurilor turbulente de aer. Aici sistemul a fost utilizat pentru a desluși cauzalitatea modelelor de viteză din apropierea unui perete, unde teoriile anterioare nu au putut atribui în mod clar cauza și efectul. Prin decompunerea realizată de noua metodă, echipa a descoperit că viteza de altitudine mare joacă un rol cauzativ în turbulența de la altitudine joasă, cu interacțiuni sinergice care adaugă un nivel suplimentar de complexitate. Această descoperire demonstrează cum SURD poate oferi perspective valoroase în diverse domenii – de la proiectarea unor aeronave mai eficiente prin identificarea surselor de rezistență, până la clarificarea factorilor care contribuie la insuficiența cardiacă.

Source (California Institute of Technology, “Using Mathematics to Better Understand Cause and Effect”, 01.11.20224)

Paper: Martínez-Sánchez, Á., Arranz, G. and Lozano-Durán, A., 2024. Decomposing causality into its synergistic, unique, and redundant components. Nature Communications, 15(1), p.9296.