本文介绍了一个可以通过样本数据推理带循环因果图的因果结构的发现算法，并给出了正确性条件，该算法是稀疏图上的多项式。
Feb, 2013
本研究主要在于探究具有潜在共变量和环路的结构因果模型，并证明其遵守特定可解性条件下的便利性质，这一工作将结构因果模型在具有周期的情况下进行了推广，从而提供了一般性的统计因果建模的基础。
Nov, 2016
本文研究了从观察数据中学习线性结构方程模型（SEMs）的算法问题，旨在实现计算和统计效率，解决较一般的识别问题并没有考虑“信仰”假设的情形，提供了一个高效的算法，能够在不同噪声分布的情况下恢复SEM的有向无环图结构。
Jul, 2017
采用模块化结构因果模型(mSCM)，引入了sigma-connection graphs (sigma-CG)，成功实现了能够处理非线性功能关系、潜在混淆、循环因果关系和不同随机完美干预数据的因果发现算法。
Jul, 2018
本文研究了非线性潜在变量的分层因果模型的识别问题，并证明在一些缓和的假设下，可以实现因果结构和潜在变量的可识别性。
Jun, 2023
本文介绍了一个完整的可识别性结果，该结果表征了所有情况，其中从总结因果图中直接效应可以图形化识别，并提供了两个可靠的有限调整集，可以用来估计直接效应。
本论文研究了树状结构因果模型的识别问题，提出了一个随机多项式时间算法来判断结构参数的识别性，并给出了相应参数的分数亚方根多项式表达式。
Nov, 2023
对于包含潜在混淆因素的因果发现问题，存在超越条件独立性的约束条件，可以使因果发现算法能够区分更多的图对。在没有圆弓的线性结构方程模型的设置下，我们研究了代数约束，并认为这些约束提供了最精细的解析度。我们提出了有效的算法，判断两个图是否施加相同的代数约束，或者一个图所施加的约束是否是另一个图所施加约束的子集。
Jun, 2024
使用新的算法，根据模型的图形结构和观察数据来估计线性结构因果模型中未知的因果参数，证明参数标识在一般情况下是计算上困难的。
Jul, 2024
本研究解决了因果建模中变量间线性稀疏关系的识别问题。提出了一种新颖的因果发现算法，这种算法依赖于结构矩阵的重构能力和统计属性，以确定正确的结构矩阵。研究结果表明，该方法在恢复线性稀疏因果结构方面超越了现有的其他方法，具有显著的应用潜力。
Oct, 2024