時系列データから因果構造を予測することは、生理学、脳の接続性、気候動態、社会経済行動などの複雑な現象を理解する上で重要です。しかし、因果関係の特定が難しく、特に変数や時間点が増えると組み合わせの複雑さが増します。本研究では、従来の一つの順序に依存するアプローチの限界を克服し、複数の有効な因果順序を利用する方法「DOTS（Diffusion Ordered Temporal Structure）」を提案します。DOTSは、拡散に基づく因果発見を用いており、複数の順序を統合することで根底にある有向非巡回グラフの遷移閉包を効果的に再構築します。実験では、合成データセットと実世界データを用いてDOTSが最先端の基準を超える性能を示すことが確認され、スケーラブルで堅牢な時系列因果発見の手法としての有望性が示されました。