Семь снимков неба после извержения вулкана Пинатубо. По каждому снимку — карта концентраций десятков веществ. Вопрос простой: какое вещество в какое превращается? Но как вывести цепочку причин из семи кадров, если переменных больше, чем моментов времени?
M-CaStLe смотрит на карту иначе. Для каждой клетки сетки собирается окно из девяти соседей: центральная клетка и восемь вокруг неё. Таких окон на карте тысячи, и все они считаются повторами одного и того же локального механизма. Вместо семи наблюдений во времени метод получает тысячи наблюдений в пространстве. Каждое окно — как взгляд в один и тот же часовой механизм с разных сторон.
На синтетических тестах, где истинные связи известны, M-CaStLe находил их с точностью выше 0.9 даже при шести переменных одновременно. В задаче переноса и перемешивания веществ ошибка в определении направления потока составила всего 4.76 градуса. Для данных Пинатубо метод восстановил цепочку SO2 → H2SO4 → SO4 с показателем F1=0.95, тогда как обычный анализ усреднённых рядов не нашёл ни одной связи.
На данных Эль-Ниньо метод показал ожидаемую асимметрию: температура океана влияет на конвекцию, но не наоборот. Это подтверждает, что метод улавливает реальную физику, а не просто подгоняет ответ.
Семь снимков неба оказались достаточными, чтобы увидеть скрытые шестерёнки. Тысячи окон в один и тот же механизм складываются в чёткую картину причин.
Для данных Пинатубо при 7 временных срезах M-CaStLe получил 5488 эффективных выборок на каждую переменную — это в 769 раз больше, чем исходное число наблюдений во времени.