Descubriendo modelos causales para fenómenos de ingeniería estructural, de construcción y relacionados con la defensa

La causalidad, la ciencia de causa y efecto, ha hecho posible crear una nueva familia de modelos. Estos modelos a menudo se denominan modelos causales. A diferencia de aquellos de naturaleza matemática, numérica, empírica o de aprendizaje automático (ML), los modelos causales esperan vincular la(s) causa(s) con el(los) efecto(s) relacionados con un fenómeno (es decir, el proceso generador de datos) a través de principios causales. Este artículo presenta uno de los primeros trabajos en crear modelos causales en el área de la ingeniería estructural y de construcción. Con este fin, este artículo comienza con una breve revisión de los principios de la causalidad y luego adopta cuatro algoritmos de descubrimiento causal, a saber, PC (Peter-Clark), FCI (inferencias causales rápidas), GES (búsqueda de equivalencias codiciosas) y GRaSP (relajación codiciosa de la permutación más escasa), que se han utilizado para examinar cuatro fenómenos, incluyendo la predicción de la capacidad de carga de miembros sometidos a cargas axiales, la resistencia al fuego de miembros estructurales, la resistencia al corte de vigas y la resistencia de muros contra cargas impulsivas (de explosión). Los hallazgos de este estudio revelan la posibilidad y el mérito de descubrir modelos causales completos y parciales. Finalmente, este estudio también propone dos métricas simples que pueden ayudar a evaluar el rendimiento de los algoritmos de descubrimiento causal.