यह शोधपत्र स्थानिक-कालिक कारणता के मॉडलिंग के लिए एक नवीन विधि प्रस्तावित करता है, जिसे स्थानिक-कालिक बायेसियन नेटवर्क (STBN) कहा जाता है। निर्देशित चक्रीय ग्राफ़ (DAG) की बाधाओं के कारण, विद्यमान बायेसियन नेटवर्क अविभाज्यता और मार्कोव तुल्यता वर्गों के अस्तित्व से ग्रस्त हैं। इन समस्याओं के समाधान के लिए उच्च-क्रम समय विलंब वाले निर्देशित चक्रीय ग्राफ़ और पूर्ण-कालिक ग्राफ़ प्रस्तावित किए गए हैं, लेकिन उनकी सीमाएँ हैं। STBN, सूचना हस्तांतरण के दृष्टिकोण से स्थानिक-कालिक कारणता का मॉडलिंग करके इन समस्याओं का समाधान करते हैं। विशेष रूप से, हम सूचना पथ अवरोधन के सिद्धांत के माध्यम से नेटवर्क संरचना क्षय की व्याख्या करते हैं और STBN की विशिष्टता सिद्ध करते हैं। इसके अलावा, हम उच्च-क्रम कारणात्मक एन्ट्रॉपी (HCE) एल्गोरिथम प्रस्तुत करते हैं, जो $\mathcal{O}(n^3\tau_{max})$ की समय जटिलता के साथ STBN की विशिष्ट पहचान करता है। प्रायोगिक परिणाम दर्शाते हैं कि एचसीई एल्गोरिथम अत्याधुनिक पहचान सटीकता प्राप्त करता है। कोड सार्वजनिक रूप से उपलब्ध है।
