관측 데이터로부터 인과 관계를 발견하는 것은 큰 가능성을 지니지만, 기존 방법들은 기저 인과 구조에 대한 강력한 가정에 의존하며, 종종 모든 관련 변수의 완전한 관측 가능성을 요구한다. 본 논문은 관측 변수의 스코어 함수 $\nabla \log p(X)$를 활용하여 이러한 문제를 해결하고 다음과 같은 기여를 제시한다. 첫째, 덧셈 잡음 모델에서 스코어를 이용한 기존 식별 가능성 결과를 미세 조정하여 인과 메커니즘의 비선형성 가정이 불필요함을 보였다. 둘째, 잠재 변수가 존재하는 경우에도 스코어로부터 인과 관계를 추론하기 위한 조건을 설정하였다. 이 결과는 두 가지 측면을 가지는데, 잠재 변수를 포함한 인과 그래프의 동치 클래스를 추론하는 스코어의 잠재력을 보여주는 동시에 (기존 결과는 완전 관측 가능 설정으로 제한됨), 잠재 변수 모델에서 직접적인 원인을 식별하기 위한 충분 조건을 제공한다. 이러한 통찰력을 바탕으로 선형, 비선형 및 잠재 변수 모델에 적합한 유연한 알고리즘을 제안하고 실험적으로 검증하였다.
