Bài báo này đề xuất một phương pháp mới để mô hình hóa quan hệ nhân quả không gian-thời gian, được gọi là Mạng Bayesian Không gian-thời gian (STBN). Các mạng Bayesian hiện tại gặp phải vấn đề không thể phân biệt được và sự tồn tại của các lớp tương đương Markov do các hạn chế của đồ thị không chu trình có hướng (DAG). Đồ thị chu trình có hướng và đồ thị toàn thời gian với độ trễ thời gian bậc cao đã được đề xuất để giải quyết những vấn đề này, nhưng chúng có những hạn chế. STBN giải quyết những vấn đề này bằng cách mô hình hóa quan hệ nhân quả không gian-thời gian từ góc độ truyền thông tin. Cụ thể, chúng tôi giải thích sự suy giảm cấu trúc mạng thông qua nguyên tắc chặn đường dẫn thông tin và chứng minh tính duy nhất của STBN. Hơn nữa, chúng tôi trình bày thuật toán Entropy Nhân quả Bậc cao (HCE), xác định duy nhất các STBN, với độ phức tạp thời gian là $\mathcal{O}(n^3\tau_{max})$. Kết quả thực nghiệm chứng minh rằng thuật toán HCE đạt được độ chính xác nhận dạng tiên tiến. Mã được công khai.
