연구진은 잠재적 교란 변수가 존재하는 환경에서 물리 시뮬레이터를 활용하여 인과 관계를 발견하는 CFM-SD 방법을 제안했습니다. CFM-SD는 물리 기반 시뮬레이터를 'do-operator'로 사용하여 실제 개입 데이터와 잠재적 교란 변수를 동시에 처리합니다. 합성 데이터 실험에서 기존 방법 대비 F1 점수가 0.800으로 높게 나타났습니다.
실제 과학 데이터 실험에서는 분자 독성 예측과 배터리 전해질 최적화에서 각각 57~58%의 편향 감소 효과를 보여 실용적인 가치를 입증했습니다. CFM-SD는 물리적 실현 가능성 제약 하에서 d개의 변수에 대해 O(d)개의 단일 변수 개입으로 인과 구조를 식별할 수 있습니다.