总览 · ← 返回运行 20261003-004922-search-t2-heart-interp-g24

节点 n11 在终选来历上

在节点10的α=1.0型内NN融合后新增型内校准弥散（T2HI_DISP，b细胞加Uniform(0,β·d_med)各向同性随机位移，d_med为该型a侧中位最近邻距离）：proxy全β网格无净提升（shape_scale不动、local_spatial单调变差），机制判失败，提交版默认关闭、输出与节点10逐元素一致。

方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。

来自 programs.git 0d24478a5e:solution/METHOD.md

调研员的计划

代码改动?这个节点的程序和父节点程序的逐行差别：绿色是新增，红色是删除。

对比：父节点版本 df60eb9640。改动的文件：solution/METHOD.md +33 −33、solution/run.py +56 −14

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3fe2e88..175b4f1 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,52 +1,52 @@-双bracket组成插值（父节点7）+ 型内近邻坐标融合（T2HI-04）：Procrustes 对齐后，每个共有型的 b 侧细胞向其 a 侧同型最近邻位移 α=1.0，修复型内局部空间连续性，local_spatial 54.0→56.0。+在节点10的α=1.0型内NN融合后新增型内校准弥散（T2HI_DISP，b细胞加Uniform(0,β·d_med)各向同性随机位移，d_med为该型a侧中位最近邻距离）：proxy全β网格无净提升（shape_scale不动、local_spatial单调变差），机制判失败，提交版默认关闭、输出与节点10逐元素一致。 -## 方法（family T2HI-04，improve 自节点 7）+## 方法（family T2HI-04，improve 自节点 10） -流程与节点 7 相同：`interp_bracket` 取 (a, b, t)（proxy: E8.25_late + E9.5 → E8.75，t=0.4）；按 t 分层抽样 (1−t)n a 细胞 + tn b 细胞；坐标 `align_pair(procrustes)`（z 保持，xy 共有型质心 Kabsch）后各自缩放到 log 插值 RMS；拼接、`_jitter` 去重、统一缩放；表达位移默认关闭（T2HI_EXPR=0，节点 7 已验证各变体均降分）。+流程与节点 10 相同：双 bracket 组成插值（t 分层抽样）→ Procrustes 对齐 → 缩放 → 每个共有型的 b 侧细胞向 a 侧同型最近邻位移 α=1.0 → 拼接、_jitter、统一 scale_to_rms。表达完全未改。 -**新增机制（本节点，T2HI_BLEND，默认 α=1.0）**：在对齐+缩放之后、拼接之前，对每个共有细胞型（两侧细胞数均 ≥ T2HI_BLEND_MIN=5）：-1. 用 `cKDTree` 在 a 侧该型全细胞坐标中为每个 b 侧细胞找最近邻，得位移 d = pa_nn − pb；-2. b 细胞坐标更新为 pb + α·d（逐细胞，方向与幅度由局部几何决定，非型均值常数位移）；-3. 非共有型不融合；融合后照常拼接、去重、统一 scale_to_rms。+**新增机制（本节点，PLAN T2HI-04 弥散）**：融合后、拼接前，对每个已融合的共有型：+1. 在 a 侧该型坐标上用 cKDTree 计算中位最近邻距离 d_med（proxy 上均值 9.6，表征该型局部细胞间距）；+2. 每个融合后的 b 细胞叠加各向同性随机位移：方向为单位球面均匀（高斯归一化），幅度 ~ Uniform(0, β·d_med)；+3. 随机数用独立 `default_rng(seed + 7919)`，对 seed 确定；非共有型与未融合细胞不动；+4. 环境变量：`T2HI_DISP=1` 开启（β 由 `T2HI_BETA`，初值 0.5），`T2HI_DISP=0` 或不设 = 关闭。**提交版默认关闭**（理由见下）。 -单输入 / 目标不被 bracket → t=0 → copy_last 分支，不触发融合（视图无关退路保留）。+单输入 / 不被 bracket → t=0 → copy_last 分支，不触发融合与弥散（视图无关退路保留）。弥散只用两 bracket 现场的坐标与标签，无绝对时间 / 路径分支。 -## 机制生效证据+## 机制生效证据（开启时确实改变了细胞坐标） -- proxy seed 0：`types_fused=5, cells_fused=17338`（b 云 98% 细胞被融合），`nn_dist_before=200.6 → nn_dist_after=0.0`（α=1.0 时 b 细胞精确落到 a 侧同型最近邻位置，后续 `_jitter` 分开重叠点），`mean_disp=200.6`。-- 四组分：expression_change 63.83 与 cell_state 65.93 完全不变（表达未改，符合预期）；local_spatial 54.03→56.03（+2.0）；shape_scale 53.37→53.62（+0.25）。-- 对照（mechanism_off）：`T2HI_BLEND=0` 输出与父节点 7 输出**逐元素一致**（X、坐标、细胞集全等，本地验证），榜分即父节点 59.50。+- proxy seed 0，α=1.0 融合后：`cells_fused=17338`（b 云 98%），融合使 b-a 最近邻距离 200.6→0；+- β=0.5：d_med=9.6，平均位移 2.4，弥散后 b-a NN=2.4；β=1.0：位移 4.8，NN=4.7；β=3.0：位移 14.3，NN=13.0；β=10：位移 47.7，NN=37.5 —— b-a NN 随 β 单调增，符合预期；+- 表达（X）逐元素不变（本地验证 β=0.5 与 β=0 的 X 全等），故 cell_state 66.70 / expression_change 63.90 全网格恒定；+- 关闭对照：`T2HI_DISP=0` 输出与节点 10 输出**逐元素一致**（X、坐标全等，本地验证）。 -## 查分（vec-score A 半，proxy，seed 0，除注明外）+## 对照结果（vec-score A 半，proxy，seed 0）  | 配置 | 榜分 | cell_state | expr_change | local_spatial | shape_scale | |---|---:|---:|---:|---:|---:|-| **提交版：all-ref α=1.0（3d）** | **59.85** | 65.93 | 63.83 | **56.03** | 53.62 |-| all-ref α=1.15 | 59.85 | 65.93 | 63.83 | 56.09 | 53.56 |-| all-ref α=0.85 | 59.84 | 65.93 | 63.83 | 55.76 | 53.83 |-| sampled-ref α=1.0（只向输出内 a 细胞融合） | 59.76 | 65.93 | 63.83 | 55.90 | 53.40 |-| xy-only α=1.0 | 59.63 | 65.93 | 63.83 | 54.42 | 54.36 |-| mutual α=0.5（双侧互融） | 59.35 | 65.93 | 63.83 | 54.39 | 53.25 |-| all-ref α=1.5（过冲） | 59.44 | 65.93 | 63.83 | 54.77 | 53.23 |-| α=0.2 / 0.4 / 0.5 / 0.6 / 0.8 | —（未记全）| 65.93 | 63.83 | 单调升（neighborhood_mmd 0.0825→0.0770） | ~53.3 |-| off（α=0 = 节点 7） | 59.50（节点记录） | 66.70 | 63.90 | 54.03 | 53.37 |--- α 从 0.2 到 1.0 neighborhood_mmd 单调下降、local_spatial 单调升；峰在 α∈[0.85, 1.15] 平台（59.84–59.85），α=1.5 过冲回落。选 α=1.0（平台中心、语义清晰：b 细胞落到 a 侧同型最近邻处）。-- 种子稳健性（提交版）：seed 0 / 1 / 2 = 59.85 / 60.09 / 60.29，3 种子均值 **60.08**（父节点 rank3 = 59.36）。-- 榜分 +0.35（seed 0）在噪声边缘，但 local_spatial +2.0 跨 α 平台、跨变体（sampled-ref 55.9）一致，且 3 种子均值 +0.7，方向可信。+| 节点10（= 本节点关闭态） | 59.85 | 65.93 | 63.83 | 56.03 | 53.62 |+| β=0.5（PLAN 初值） | 59.85 | 65.93 | 63.83 | 56.04 | 53.62 |+| β=1.0 | 59.84 | 65.93 | 63.83 | 55.97 | 53.62 |+| β=3.0 | 59.75 | 65.93 | 63.83 | 55.53 | 53.72 |+| β=10 | 59.30 | 65.93 | 63.83 | 53.83 | 53.63 |++β=0.5 三种子（0/1/2）：59.85 / 60.08 / 60.25，均值 60.06 vs 节点 10 的 60.08 —— 统计上与关闭态全等。++## 结论：机制失败（如实报告，PLAN 风险 4 成立）++- shape_scale 对 β 完全无响应（53.62–53.72，<0.1 变化，噪声内）；local_spatial 随 β 单调变差（β=10 时 −2.2）。无最优 β，无净提升。+- 原因分析：d_med（a 侧局部间距 ~9.6）远小于融合抹掉的 b 侧空间尺度（b-a NN 200.6），β 在 [0.2,1.0] 的位移（≤5）被完全淹没；β 大到能起作用时（≥10）位移是各向同性噪声，直接破坏融合换来的邻域对齐。shape_scale 的瓶颈不在 b 侧多样性，而在 a 侧样本形状 + proxy 特有的 RMS 不匹配（scale_log_ratio 0.467 = ln(346/217)，方法卡明确不要在 proxy 上调 damp）。+- 因此提交版把 T2HI_DISP 默认设为关闭，输出与节点 10 逐元素一致，保住 rank3 60.13；弥散代码与环境变量开关保留，供后续节点复核或换校准尺度重试。  ## 验证过 / 没验证 -- 验证：off 对照与父节点逐元素一致；默认输出与查分文件逐元素一致；seed 0 两次运行确定；vec-check ok；CPU 运行 ~2.5s、内存 <1GB。-- 没验证：真实 bracket（31 个共有型）上的效果——proxy 只有 5 个共有型但已覆盖 98% b 细胞；共有型更多时融合更细粒度，预期方向相同。伪装视图重跑未测（代码只用时间差与数据，无绝对时间/路径分支，预期通过）。-- 已知局限：α=1.0 使共有型 b 细胞与 a 细胞坐标重合（靠 jitter 分开），b 侧空间多样性由 jitter 和缩放兜底，shape_scale 未受损（53.6）；xy-only 与 mutual 变体更差，说明 z 方向融合（离散切片间）在此数据上是有利的。+- 验证：关闭态与节点 10 逐元素一致；β=0.5 与关闭态 X 全等；三种子均值无回退；默认输出 vec-check ok；CPU ~2.3s、内存 <1GB；对 seed 确定。+- 没验证：真实 bracket（31 共有型、a 侧密度不同→d_med 不同）上的 β 网格——proxy 上机制方向已判死，未消耗额度。伪装视图未重跑（默认路径与节点 10 相同，代码只用时间差与数据）。  ## 知识来源 -无外部生物知识写入程序。融合只用两 bracket 现场的细胞坐标与 `celltype` 标签（数据驱动）；未使用 external/ 与 prior/。+无外部生物知识写入程序；弥散只用两 bracket 现场坐标与 celltype 标签（数据驱动）。未使用 external/ 与 prior/。  ## 下一步建议 -1. local_spatial 已到 56：可对 b 侧独有型（非共有）用 a 侧表达最近型的坐标做门控融合（proxy 上 b 侧 22 型中仅 5 型共有，剩余 2% 细胞未融合；真实 bracket 31/33 共有，收益有限）。-2. cell_state 65.9 / expression_change 63.8 未动：坐标融合不改表达，下一节点可在融合后的空间框架上重试仅共有型的型内表达插值（节点 7 教训：借用型位移有害，仅共有型 58.80 vs 59.07 接近噪声，值得在新坐标框架下复测）。-3. shape_scale 53.6 受 proxy RMS 不匹配限制（354/335 vs 目标 217），不要在 proxy 上调 damp。+1. shape_scale 在 proxy 上被 scale_log_ratio（RMS 346 vs 217）锁死，坐标弥散类机制无空间；若要动 shape_scale，需接受"proxy 不可验证"的风险在 damp 上做文章，或改攻 occupancy_dice / d2_shape（如融合后按 a 侧密度重采样 b 细胞，而非各向同性加噪）。+2. cell_state / expression_change（66.7 / 63.9）仍未动：按节点 10 建议，在当前融合坐标框架下复测仅共有型的型内表达插值（T2HI_EXPR + T2HI_BORROW=0），是剩下两个大组分里最可行的方向。diff --git a/solution/run.py b/solution/run.pyindex 6315ef6..49b5cd5 100644--- a/solution/run.py+++ b/solution/run.py@@ -17,7 +17,11 @@ Fallbacks (view-independent): single input / target not bracketed -> t = 0 -> copy_last. Mechanism switches: T2HI_COMPMIX=0 keeps all cells in the lower bracket (parent node behaviour); T2HI_EXPR=0 disables displacement (pure mix); T2HI_BORROW=0 restricts displacement to common types; T2HI_T=0 forces-copy_last.+copy_last. T2HI_BLEND sets the per-type NN fusion alpha (default 1.0, 0 =+node 7). T2HI_DISP=1 (+T2HI_BETA) enables within-type calibrated dispersion+of fused b cells (isotropic offsets ~ Uniform(0, beta*d_med), d_med = median+a-side NN distance per type); default OFF because the beta grid showed no+net gain on the proxy (see METHOD.md). """  from __future__ import annotations@@ -76,20 +80,32 @@ def _blend_within_type(     min_count: int = 5,     axes: str = "3d",     mutual: bool = False,+    disp_beta: float = 0.0,+    rng: np.random.Generator | None = None, ) -> tuple[np.ndarray, np.ndarray, dict]:-    """Per-type NN coordinate fusion (family T2HI-04 blend).+    """Per-type NN coordinate fusion (family T2HI-04 blend) + optional+    within-type calibrated dispersion (T2HI_DISP).      For each common cell type, every b-side cell is moved towards its nearest     a-side cell of the same type (in the aligned frame): pb <- pb + alpha*d,-    d = pa_nearest - pb. Non-common types keep Procrustes coords. Returns the-    fused b cloud and evidence stats.+    d = pa_nearest - pb. Non-common types keep Procrustes coords.++    With disp_beta > 0, after fusion each fused b cell gets an isotropic+    random 3D offset with magnitude ~ Uniform(0, beta * d_med), where d_med is+    the median nearest-neighbour distance among a-side cells of that type+    (computed on pre-fusion a coords). This restores b-side spatial diversity+    lost when alpha=1 collapses b cells onto a-side positions.+    Returns the fused b cloud and evidence stats.     """     out_a = ca.copy()     out_b = cb.copy()     la = np.asarray(labels_a).astype(str)     lb = np.asarray(labels_b).astype(str)     sl = slice(0, 2) if axes == "xy" else slice(0, 3)-    stats = {"types_fused": 0, "cells_fused": 0, "dist_before": [], "disp": []}+    stats = {+        "types_fused": 0, "cells_fused": 0, "dist_before": [], "disp": [],+        "d_med": [], "disp_mag": [], "disp_nn_after": [],+    }     for lab in common:         idx_a = np.flatnonzero(la == lab)         idx_b = np.flatnonzero(lb == lab)@@ -99,22 +115,36 @@ def _blend_within_type(         dist, j = cKDTree(pa[:, sl]).query(pb[:, sl], k=1)         disp_b = np.zeros_like(pb)         disp_b[:, sl] = alpha * (pa[j][:, sl] - pb[:, sl])-        out_b[idx_b] = pb + disp_b+        pb_new = pb + disp_b         if mutual:             dist2, j2 = cKDTree(pb[:, sl]).query(pa[:, sl], k=1)             disp_a = np.zeros_like(pa)             disp_a[:, sl] = alpha * (pb[j2][:, sl] - pa[:, sl])             out_a[idx_a] = pa + disp_a+        if disp_beta > 0.0 and rng is not None:+            tree_a = cKDTree(pa)+            if idx_a.size >= 2:+                nn_a, _ = tree_a.query(pa, k=2)+                d_med = float(np.median(nn_a[:, 1]))+            else:+                d_med = 0.0+            dirs = rng.normal(size=(pb_new.shape[0], 3))+            dirs /= np.maximum(np.linalg.norm(dirs, axis=1, keepdims=True), 1e-12)+            mags = rng.uniform(0.0, disp_beta * d_med, size=pb_new.shape[0])+            offset = dirs * mags[:, None]+            pb_new = pb_new + offset+            d_nn, _ = tree_a.query(pb_new, k=1)+            stats["d_med"].append(d_med)+            stats["disp_mag"].append(float(mags.mean()))+            stats["disp_nn_after"].append(float(d_nn.mean()))+        out_b[idx_b] = pb_new         stats["types_fused"] += 1         stats["cells_fused"] += int(idx_b.size)         stats["dist_before"].append(float(np.mean(dist)))         stats["disp"].append(float(np.linalg.norm(disp_b, axis=1).mean()))-    if stats["dist_before"]:-        stats["dist_before"] = float(np.mean(stats["dist_before"]))-        stats["disp"] = float(np.mean(stats["disp"]))-    else:-        stats["dist_before"] = 0.0-        stats["disp"] = 0.0+    for k in ("dist_before", "disp", "d_med", "disp_mag", "disp_nn_after"):+        v = stats[k]+        stats[k] = float(np.mean(v)) if v else 0.0     return out_a, out_b, stats  @@ -197,12 +227,19 @@ def main() -> None:     cb = scale_to_rms(aligned_b, target_rms)      blend_alpha = float(os.environ.get("T2HI_BLEND", "1.0"))+    disp_beta = float(os.environ.get("T2HI_BETA", "0.5"))+    # Dispersion default OFF: on the proxy the full beta grid gave no net gain+    # (shape_scale flat, local_spatial monotonically worse; see METHOD.md).+    if os.environ.get("T2HI_DISP", "0") == "0":+        disp_beta = 0.0+    rng_disp = np.random.default_rng(args.seed + 7919) if disp_beta > 0.0 else None     blend_info = None     blend_ref = os.environ.get("T2HI_BLEND_REF", "all")     if blend_alpha > 0.0 and blend_ref == "sampled":         blend_min = int(os.environ.get("T2HI_BLEND_MIN", "5"))         ca_s, cb_s, blend_info = _blend_within_type(-            ca[ia], cb[ib], a.labels[ia], b.labels[ib], common, blend_alpha, blend_min, "3d", False+            ca[ia], cb[ib], a.labels[ia], b.labels[ib], common, blend_alpha, blend_min, "3d",+            False, disp_beta, rng_disp,         )         ca = ca.astype(np.float64, copy=True)         cb = cb.astype(np.float64, copy=True)@@ -213,7 +250,8 @@ def main() -> None:         blend_axes = os.environ.get("T2HI_BLEND_AXES", "3d")         blend_mutual = os.environ.get("T2HI_BLEND_MUTUAL", "0") != "0"         ca, cb, blend_info = _blend_within_type(-            ca, cb, a.labels, b.labels, common, blend_alpha, blend_min, blend_axes, blend_mutual+            ca, cb, a.labels, b.labels, common, blend_alpha, blend_min, blend_axes, blend_mutual,+            disp_beta, rng_disp,         )     if blend_info is not None:         blend_min = int(os.environ.get("T2HI_BLEND_MIN", "5"))@@ -253,6 +291,10 @@ def main() -> None:               f"nn_dist_before={blend_info['dist_before']:.1f} "               f"nn_dist_after={blend_info['dist_after']:.1f} "               f"mean_disp={blend_info['disp']:.1f}", flush=True)+        if disp_beta > 0.0:+            print(f"[disp] beta={disp_beta:.2f} d_med={blend_info['d_med']:.1f} "+                  f"mean_offset={blend_info['disp_mag']:.1f} "+                  f"b_a_nn_after_disp={blend_info['disp_nn_after']:.1f}", flush=True)      write_t2(args.out, expr, coords.astype(np.float32), genes, seed=args.seed) 

调研来源?调研员查到并用到的知识条目和文献检索结果（只列标题和编号）。

用到的知识库条目

分析结果?分析员写的 ANALYSIS.json：改了什么、各组分数怎么变、假设是否成立、经验和下一步建议。

对话摘要?每个角色和大模型对话的统计：轮数、工具调用、用时、token 数和最后的回答摘录；原始记录只给路径。

只给统计和最后回答的摘录；完整对话请到原始记录位置里列出的文件看。

分析员

ANALYSIS.json written

工程师

**完成。**

- **做了什么**：按 PLAN 在节点 10 的 α=1.0 融合后实现型内校准弥散（T2HI_DISP/T2HI_BETA，独立 rng，d_med=9.6，关闭态与父节点逐元素一致已验证）。
- **查分结果**（7/20 次）：β=0.5 → 59.85（与父节点 59.85 全等，三种子均值 60.06 vs 60.08）；β=1.0 → 59.84；β=3.0 → 59.75；β=10 → 59.30。shape_scale 全网格不动（53.62–53.72），local_spatial 单调变差 —— 机制失败（PLAN 风险 4 成立），提交版默认关闭、输出=节点 10，vec-check ok、确定、~2s。
- **下一步最值得试**：shape_scale 在 proxy 被 scale_log_ratio（RMS 346 vs 217）锁死，坐标加噪类无空间；应改攻 cell_state/expression_change —— 在融合坐标框架下复测仅共有型的型内表达插值（T2HI_EXPR + BORROW=0）。

调研员

的空间结构完全由a侧样本决定，b侧空间多样性仅靠全局_jitter的极小扰动维持（ANALYSIS明确指出'融合后b细胞与a细胞坐标重合靠jitter分开'）。这导致输出云的形状（PCA特征值比、空间延展）退化为a侧云的形状，丢失了b侧应有的空间贡献，限制了shape_scale。节点10的α扫描中α=0.85时shape_scale 53.83略优于α=1.0的53.62，暗示保留少量b侧空间信息有利于shape_scale，但直接降α会损害local_spatial（56.03→55.76）。因此需要一个与α正交的机制：在保持α=1.0融合（local_spatial最优）的同时，恢复b侧的空间多样性。",
  "approach": "在父节点10的_blend_within_type之后、拼接之前，新增型内校准弥散步骤（环境变量T2HI_DISP=1开启，默认开启；T2HI_DISP=0关闭，输出与父节点10逐元素一致）：\n1. 对每个已融合的共有型，用cKDTree计算a侧该型细胞的中位最近邻距离d_med（表征该型的局部细胞间距）；\n2. 对每个融合后的b细胞，生成随机3D单位向量，位移幅度从Uniform(0, β×d_med)采样，叠加到融合后坐标上；\n3. β为弥散系数，初值0.5，搜索网格[0.2, 0.3, 0.5, 0.7, 1.0]；\n4. 弥散后的b细胞照常参与拼接、_jitter去重、统一scale_to_rms。\n\n关键实现细节：\n- d_med在融合前的a侧坐标上计算（不受融合影响），每型一个标量；\n- 随机方向用np.random.default_rng(seed)生成，保证可复现；\n- 非共有型和未融合细胞不加弥散；\n- 弥散在3D全轴上施加（与α=1.0的3D融合一致）。\n\n单输入退路：t≤0时走copy_last分支，不触发融合和弥散，与父节点一致。\n\n快速筛选：先跑β=0（确认与父节点一致）和β=0.5（默认），比较shape_scale和local_spatial；若shape_scale提升≥1且local_spatial降幅<1，再扫β网格；否则直接判失败。预计每次运行~2s，30分钟内可完成全部网格+种子验证。",
  "expected_groups": ["shape_scale"],
  "risks": "1. β过大（>1.0）会破坏融合带来的邻域对齐，local_spatial回吐>2分，净效果为负——Engineer应在β=0.5时先查四组分，若local_spatial降幅>1.5立即停止大β方向；2. shape_scale在proxy上受RMS不匹配限制（354/335 vs 目标217，METHOD.md已注明），弥散改善的是空间多样性而非绝对尺度，若shape_scale提升<1分可能是proxy特有瓶颈，需用3种子均值确认；3. 弥散是随机过程，不同seed结果有方差，需至少跑2个seed确认趋势；4. 若β全网格均无净提升，说明shape_scale瓶颈不在b侧多样性而在a侧样本本身的形状，应如实报告失败。",
  "family_id": "T2HI-04",
  "mechanism": "在α=1.0 NN融合后，对每个融合型按a侧中位最近邻距离为尺度，给b细胞施加各向同性随机弥散，恢复融合过程中丢失的b侧空间多样性，使输出云的形状不再完全由a侧决定。",
  "vs_constant_shift": "常数位移对同一型的所有细胞施加相同向量；本弥散为每个细胞独立采样随机方向和幅度（幅度还按该型局部密度校准），不同细胞位移不同，且均值为零（不改变型质心），是空间多样性恢复而非位置平移。与全局组成重加权也无关——不改变各型细胞数量比例。",
  "mechanism_evidence": "1. 打印每型的d_med、弥散后b细胞的平均位移量（应≈β×d_med/2）和弥散后b-a最近邻距离分布（α=1.0时为0，弥散后应>0且与β×d_med量级一致）；2. 四组分变化：预期shape_scale提升≥1、local_spatial变化<1、cell_state和expression_change不变（弥散不改表达和细胞集）；3. β从0.2到1.0，b-a最近邻距离应单调增，shape_scale先升后平/降，存在最优β；4. β=0输出与父节点10逐元素一致。",
  "mechanism_off_control": "T2HI_DISP=0（或β=0）：跳过弥散步骤，融合后b细胞坐标不变，后续流程与父节点10完全相同，预期输出与父节点10逐元素一致、榜分回到60.43。",
  "sources": []
}