## Memo ## Memo with LLM ## Abstract 根本原因分析（RCA）は、複雑なシステムから因果構造を明らかにし、分析することによって、システム障害の根本原因を特定することを目的としている。 RCAは多くの応用分野で広く使用されている。 信頼性の高い診断結果は、システムの故障や経済的損失を軽減する上で非常に重要である。 しかし、これまでの研究では、システムの完全な観測を暗黙の前提としており、部分的な観測（すなわち、欠落ノードや潜在的な故障）の影響を無視している。 その結果、信頼できるRCAの結果を導き出すことができない。 本論文では、部分観測における未観測交絡因子と異質性の問題を明らかにし、部分観測データを用いた根本原因分析という新たな問題を提起する。 これを実現するために、未観測交絡因子と未観測異質性の両方において信頼性の高い根本原因を探索できる新しいRCAフレームワークであるPORCAを提案する。PORCAは、観察されない交絡因子の下で非周期的有向混合グラフを効率的に最適化するために、拡大スコアベースの原因探索を活用する。 さらに、異質性を考慮したスケジューリング戦略を開発し、適応的なサンプル重みを提供する。 つの合成データセットと2つの実世界データセットを用いた広範な実験結果は、提案フレームワークの有効性と優位性を実証している。