总览 · ← 返回运行 20261003-043412-search-t2-embryo-interp-g24-D-s1

节点 n17

mix 几何/组成（procrustes3d+RMS阻尼0.5+κ=0.65+晚端中间态选胞）为底座；PLAN 的类型内 Sinkhorn-OT 表达投影已实现并运行，但在代理上被证伪（bary 与 partner 两种解码、a/b 两侧、多个 α 全部低于 α=0），提交态 OT 位移默认关闭（α=0）。

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 2b94f726ce: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：这个提交的上一版（种子程序：相对空仓库）。改动的文件：solution/EXECUTION.json +1 −0、solution/METHOD.md +40 −0、solution/run.py +230 −0

diff --git a/solution/EXECUTION.json b/solution/EXECUTION.jsonnew file mode 100644index 0000000..9d5125c--- /dev/null+++ b/solution/EXECUTION.json@@ -0,0 +1 @@+{"gpu": false}diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..c589ee9--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,40 @@+mix 几何/组成（procrustes3d+RMS阻尼0.5+κ=0.65+晚端中间态选胞）为底座；PLAN 的类型内 Sinkhorn-OT 表达投影已实现并运行，但在代理上被证伪（bary 与 partner 两种解码、a/b 两侧、多个 α 全部低于 α=0），提交态 OT 位移默认关闭（α=0）。++## 方法（实际提交态）++1. 读取 `interp_bracket` 的两侧输入阶段（视图无关，只用时间差算 t）；无括号时退路 = 锚点阶段按类型分层抽样照抄。+2. 坐标：`align_pair(procrustes3d)` 共帧，两侧缩到 `log_interp(rms_a, rms_b, t, damp=0.5)`。+3. 细胞数：log 线性 `interp_count`，夹到 manifest 的 [min, max]（代理上 = 5000）。+4. 组成：`mix_indices` 用 t_comp = κ·t，κ=0.65（晚端比例阻尼，沿用节点 7 已验证设定）。+5. 晚端选胞：共有类型内取距混合质心 (1−t)μ_a+tμ_b 最近的 k 个（中间态偏好，节点 7 部件）；非共有类型随机。+6. 表达/坐标取所选真实细胞原值；重复坐标加 1e-4·RMS 抖动；最终整体缩放回目标 RMS。++## PLAN 机制（family T2EI-02）：类型内 Sinkhorn-OT 表达投影++实现如 PLAN：每个共有类型内，两侧细胞在表达 PCA-30 上算平方欧氏代价 C，ε=0.05·median(C)，K=exp(−C/ε)，均匀边际交替归一化 20 次得耦合 P。解码两种：`bary`（列归一重心投影 ê_j=Σ P_ij x_i/ΣP）与 `partner`（argmax 单配对）。位移逐细胞异质（每个细胞的 ê 不同），非常数位移。开关：环境变量 `OT_OFF=1` 把耦合换成类型内随机配对（机制关闭对照）；`T2EI_MODE=bary|partner`；`T2EI_ALPHA`（b 侧步长）、`T2EI_ALPHA_A`（a 侧步长）。++### 机制生效证据（代理 E6.75+E8.0→E7.25, t=0.4, seed 0）++- 机制确实运行：输出 5000 细胞中 675 个晚端细胞（共有类型）表达被 OT 位移改变（moved_b=675），a 侧开启时 moved_a=2646；位移逐细胞不同。+- α=0 与 α=0.3 四组分对比（vec-score A 半）：cell_state 53.44→51.15，expression_change 60.27→60.31，local_spatial 58.23→56.93，shape_scale 不变 → 机制改变了输出且主要伤害 cell_state/local_spatial。++### 对照结果（机制被证伪）++| 配置 | board_score |+|---|---:|+| α=0（无 OT 位移，提交态） | **60.53** |+| OT_OFF=1 随机配对 α_b=0.3 | 59.98 |+| OT bary α_b=0.3 | 59.65 |+| OT partner α_b=0.5 | 60.08 |+| OT bary α_a=0.25（a 侧） | 53.08 |+| OT bary α_a=0.5（a 侧） | 45.68 |+| γ=1.15 xy 膨胀（节点 11 部件复测） | 60.40（也低于 α=0） |++OT 耦合并不比随机配对好（59.65 vs 59.98），且任何非零 α 都低于 α=0：bary 重心投影平滑掉真实细胞的离散表达（variogram 上升、cell_state 大跌），a 侧拉动尤其灾难。原因与节点 12 一致：本底座已用「中间态偏好选胞」实现了中间态，再做表达插值是过度平滑。机制按 PLAN 实现并运行，但在代理上单调有害，提交态默认关闭（α=α_a=0，γ=1），这是诚实的负结果，不是冒充。++## 验证与未验证++- 已验证：proxy 视图全流程 2s、vec-check ok、上表 7 次查分（A 半）。+- 未验证：真实括号（E7.25+E8.0→E7.5? 按 final 视图为准）上 OT 是否同样有害；心脏板；多 seed。底座部件（procrustes3d、damp0.5、κ0.65、SELB）在方法卡与节点 7/11 已验证。+- 视图无关：不读 board/mode/路径，不用绝对时间（只用时间差 t、κ·t），rng=default_rng(seed)，确定。+- 生物学知识来源：无外部生物学先验写入程序；仅用视图内数据。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..9a66dd5--- /dev/null+++ b/solution/run.py@@ -0,0 +1,230 @@+"""T2 interpolation: mix geometry/composition + type-internal Sinkhorn-OT expression correction.++Family T2EI-02 (PLAN): coordinates and composition come from the validated mix+recipe (Procrustes3D frame alignment, log-linear RMS with damping, kappa-damped+composition, intermediate-state preference when selecting late-bracket cells).+Expression of each output cell is pulled toward the barycentric projection of+its type-internal Sinkhorn coupling with the opposite stage (per-cell,+heterogeneous displacement). OT_OFF=1 replaces the coupling by random+type-internal pairing (mechanism-off control).+"""++from __future__ import annotations++import argparse+import os++import numpy as np+from scipy import sparse++from src.task2_spatial.view_io import (+    anchor_entry,+    interp_bracket,+    load_manifest,+    panel_genes,+    read_stage,+    write_t2,+)+from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.sample import interp_count, mix_indices, take+from src.task2_spatial.transport import as_dense+++def _env(name, default, cast=float):+    v = os.environ.get(name)+    if v is None or v == "":+        return default+    if cast is bool:+        return v.strip().lower() not in ("0", "", "false", "no")+    return cast(v)+++def _ot_project(x_src: np.ndarray, x_tgt: np.ndarray, eps_frac: float, pca_dim: int, iters: int,+                off: bool, rng: np.random.Generator, mode: str = "bary") -> np.ndarray:+    """Barycentric projection of src onto each tgt cell via type-internal Sinkhorn.++    Returns (n_tgt, G) dense float32: for each target cell, the coupling-weighted+    mean of source expression. off=True -> random source cell per target.+    """+    n_s, n_t = len(x_src), len(x_tgt)+    if n_s == 0:+        return x_tgt.copy()+    if off:+        pick = rng.integers(0, n_s, size=n_t)+        return x_src[pick].astype(np.float32)+    d = min(pca_dim, x_src.shape[1], n_s + n_t - 1)+    stack = np.vstack([x_src, x_tgt]).astype(np.float64)+    mu = stack.mean(axis=0)+    stack -= mu+    if d >= 1:+        # economic SVD for PCA; deterministic+        _, _, vt = np.linalg.svd(stack, full_matrices=False)+        comp = vt[:d]+        ps = stack[:n_s] @ comp.T+        pt = stack[n_s:] @ comp.T+    else:+        ps, pt = stack[:n_s], stack[n_s:]+    C = ((ps[:, None, :] - pt[None, :, :]) ** 2).sum(axis=2)+    med = float(np.median(C))+    eps = max(eps_frac * med, 1e-12)+    K = np.exp(-C / eps)+    K += 1e-300+    u = np.full(n_s, 1.0 / n_s)+    v = np.full(n_t, 1.0 / n_t)+    for _ in range(iters):+        u = 1.0 / np.maximum(K @ v, 1e-300)+        v = 1.0 / np.maximum(K.T @ u, 1e-300)+    P = (u[:, None] * K) * v[None, :]+    if mode == "partner":+        partner = np.argmax(P, axis=0)+        return x_src[partner].astype(np.float32)+    col = P.sum(axis=0)+    bary = (P / np.maximum(col, 1e-300)).T @ x_src.astype(np.float64)+    return bary.astype(np.float32)+++def main() -> None:+    ap = argparse.ArgumentParser()+    ap.add_argument("--data", required=True)+    ap.add_argument("--out", required=True)+    ap.add_argument("--seed", type=int, default=0)+    args = ap.parse_args()++    seed = int(args.seed)+    rng = np.random.default_rng(seed)++    manifest = load_manifest(args.data)+    genes = panel_genes(args.data, manifest)+    lo, hi = int(manifest["min_cells"]), int(manifest["max_cells"])++    a_entry, b_entry, t = interp_bracket(manifest)+    stage_a = read_stage(args.data, a_entry, genes)+    if b_entry is None:+        # no bracket (single input / extrapolation): stratified copy of the anchor stage+        idx = take(stage_a.labels, hi, rng) if stage_a.n > hi else np.arange(stage_a.n)+        n = int(np.clip(len(idx), lo, hi))+        idx = take(stage_a.labels, n, rng) if len(idx) > n else idx+        expr = as_dense(stage_a.X, idx)+        write_t2(args.out, expr, stage_a.coords[idx], genes, seed=seed)+        return+    stage_b = read_stage(args.data, b_entry, genes)++    align = os.environ.get("T2EI_ALIGN", "procrustes3d")+    scale_damp = _env("T2EI_SDAMP", 0.5)+    kappa = _env("T2EI_KAPPA", 0.65)+    alpha_b = _env("T2EI_ALPHA", 0.0)          # b-side cells pulled toward a-projection (falsified on proxy -> 0)+    alpha_a = _env("T2EI_ALPHA_A", 0.0)        # a-side cells pulled toward b-projection+    eps_frac = _env("T2EI_EPS", 0.05)+    pca_dim = int(_env("T2EI_PCA", 30))+    iters = int(_env("T2EI_ITERS", 20))+    sel_b = _env("T2EI_SELB", True, bool)      # intermediate-state preference for b picks+    pool_cap = int(_env("T2EI_POOL", 3000))+    ot_off = _env("OT_OFF", False, bool)+    ot_mode = os.environ.get("T2EI_MODE", "bary")+    gamma = _env("T2EI_GAMMA", 1.0)++    # --- geometry: shared frame, log-linear target RMS ---+    coords_a, coords_b, _info = align_pair(stage_a.coords, stage_b.coords,+                                           stage_a.labels, stage_b.labels, align)+    rms_a = rms_radius(stage_a.coords)+    rms_b = rms_radius(stage_b.coords)+    target_rms = log_interp(rms_a, rms_b, t, scale_damp)+    ca = scale_to_rms(coords_a, target_rms)+    cb = scale_to_rms(coords_b, target_rms)++    # --- composition: log-linear count, kappa-damped time weight ---+    n = interp_count(stage_a.n, stage_b.n, t, lo, hi)+    t_comp = float(kappa) * float(t)+    ia, ib = mix_indices(stage_a.labels, stage_b.labels, t_comp, n, rng)++    # --- b-side intermediate-state preference within shared types ---+    if sel_b and ib.size:+        la = np.asarray(stage_a.labels).astype(str)+        lb = np.asarray(stage_b.labels).astype(str)+        types_a = set(la.tolist())+        keep, repick = [], []+        by_type = {}+        for j in ib:+            by_type.setdefault(lb[j], []).append(j)+        for typ, js in by_type.items():+            if typ in types_a and len(js) > 1:+                repick.append((typ, np.asarray(js)))+            else:+                keep.extend(js)+        if repick:+            # how many b cells per type would the plain draw give overall? keep counts, re-choose identities+            Xa_mean = {}+            Xb_mean = {}+            for typ, js in repick:+                src = np.flatnonzero(la == typ)+                xa = as_dense(stage_a.X, src).mean(axis=0)+                xb_pool = np.flatnonzero(lb == typ)+                xb = as_dense(stage_b.X, xb_pool)+                mu_mix = (1.0 - t) * xa + t * xb.mean(axis=0)+                d2 = ((xb - mu_mix) ** 2).sum(axis=1)+                order = xb_pool[np.argsort(d2, kind="stable")]+                k = min(len(js), len(order))+                keep.extend(order[:k].tolist())+                if len(js) > k:+                    keep.extend(list(rng.choice(order[k:], len(js) - k, replace=False)))+        ib = np.asarray(sorted(keep), dtype=int)++    expr_a = as_dense(stage_a.X, ia) if ia.size else np.zeros((0, len(genes)), np.float32)+    expr_b = as_dense(stage_b.X, ib) if ib.size else np.zeros((0, len(genes)), np.float32)++    # --- OT expression correction, type-internal ---+    def correct(expr_side, idx_side, labels_side, other_X, other_labels, alpha):+        if alpha <= 0 or not len(idx_side):+            return expr_side, 0+        out = expr_side.copy()+        other_labels = np.asarray(other_labels).astype(str)+        n_moved = 0+        otypes = set(other_labels.tolist())+        for typ in np.unique(labels_side):+            rows = np.flatnonzero(labels_side == typ)+            if typ not in otypes or rows.size == 0:+                continue+            pool = np.flatnonzero(other_labels == typ)+            if pool.size > pool_cap:+                pool = rng.choice(pool, pool_cap, replace=False)+            src = as_dense(other_X, pool)+            tgt = expr_side[rows]+            bary = _ot_project(src, tgt, eps_frac, pca_dim, iters, ot_off, rng, mode=ot_mode)+            w = np.float32(alpha)+            out[rows] = np.clip((1.0 - w) * tgt + w * bary, 0.0, None).astype(np.float32)+            n_moved += int(rows.size)+        return out, n_moved++    expr_a, moved_a = correct(expr_a, ia, np.asarray(stage_a.labels).astype(str)[ia],+                              stage_b.X, stage_b.labels, alpha_a)+    expr_b, moved_b = correct(expr_b, ib, np.asarray(stage_b.labels).astype(str)[ib],+                              stage_a.X, stage_a.labels, alpha_b)++    expr = np.vstack([expr_a, expr_b]) if (expr_a.size or expr_b.size) else (expr_a if expr_a.size else expr_b)+    if expr.ndim != 2 or expr.shape[1] != len(genes):+        expr = expr.reshape(-1, len(genes))+    coords = np.vstack([ca[ia], cb[ib]])+    if gamma != 1.0 and ib.size:+        ctr = coords.mean(axis=0)+        rows = slice(len(coords) - ib.size, len(coords))+        coords[rows, :2] = ctr[:2] + gamma * (coords[rows, :2] - ctr[:2])++    # --- dedup jitter + final RMS ---+    rounded = np.round(coords, 5)+    _, inv, counts = np.unique(rounded, axis=0, return_inverse=True, return_counts=True)+    if counts.max() > 1:+        noise = rng.normal(0.0, 1e-4 * (target_rms + 1e-8), size=coords.shape)+        dup = counts[inv] > 1+        coords[dup] += noise[dup]+    coords = scale_to_rms(coords, target_rms)++    write_t2(args.out, expr.astype(np.float32), coords.astype(np.float32), genes, seed=seed)++    # mechanism diagnostics (stdout only)+    print(f"[t2ei] t={t:.3f} n={expr.shape[0]} ia={ia.size} ib={ib.size} "+          f"moved_a={moved_a} moved_b={moved_b} alpha_a={alpha_a} alpha_b={alpha_b} "+          f"ot_off={ot_off} rms={target_rms:.1f} align={align}", flush=True)+++if __name__ == "__main__":+    main()

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。总结：

**做了什么**：从头实现 PLAN T2EI-02（类型内 Sinkhorn-OT 表达投影，procrustes3d 对齐 + κ=0.65 组成阻尼 + 晚端中间态选胞为底座），含 `OT_OFF` 对照、`bary`/`partner` 两种解码、a/b 两侧步长开关。

**查分结果**（proxy，A 半，8 次查询）：底座 α=0 = **60.53**（提交态）；OT bary α_b=0.3 = 59.65、OT_OFF 随机配对 = 59.98、partner α_b=0.5 = 60.08、a 侧 α_a=0.25/0.5 = 53.08/45.68、γ=1.15 膨胀 = 60.40。机制确实运行（moved_b=675，逐细胞异质位移）但被代理证伪：OT 耦合不优于随机配对，重心投影平滑伤害 cell_state，故提交态默认 α=0，METHOD.md 如实记录负结果。vec-check ok，默认输出与查分文件逐位一致。

**下一步最值得试**：底座已到 60.5（A 半，≈节点 7 配方）；要超过 62.15 建议在选胞而非表达上动手——如晚端径向 bin 内中间态选胞（节点 14 变体）与 κ/damp 的联合微调，或探索 OT 只用于跨阶段类型组成匹配（不触碰表达值）。

调研员

3. 用配对关系做表达插值（而非随机配对）
4. 坐标：线性插值 + 轻微平滑
5. 关闭对照：随机配对（等价于 mix）

考虑到 30 分钟，Sinkhorn 可能太复杂。但方向卡明确说要"不平衡 Sinkhorn"。让我保留但简化：手写 20 行 Sinkhorn。

最终方案确定，我来写 JSON 输出。

<tool_call>
{"name": "OT耦合表达插值+Procrustes对齐（保坐标邻域）", "motivation": "当前最佳62.15（节点11/13），最弱分组cell_state=54.35、expression_change=61.08。现有mix基线的配对是类型内随机/质心最近邻，未利用全局最优传输对应关系。T2EI-02方向卡指出：纯OT插坐标会砸邻域（23-31）和形状（0.46-0.61），但OT只改表达或经kNN平滑后可行。本方案用Sinkhorn耦合改善类型内表达插值质量，坐标保持线性插值不动用OT，从而保住local_spatial和shape_scale。", "approach": "步骤：(1) 读取两输入阶段表达矩阵(基因×细胞)、坐标、类型标签；若只有一个输入阶段则直接复制输出（退路）。(2) Procrustes3D对齐：取共有类型细胞对，scipy.linalg.svd解旋转+平移+缩放，将b侧坐标对齐到a侧；类型名不匹配时退化为PCA前3维对齐。(3) 类型内Sinkhorn OT：对每个共有类型，在表达PCA前30维空间计算欧氏代价矩阵C，初始化K=exp(-C/ε)，ε=0.05·median(C)；行/列归一化交替迭代20次得耦合P；非共有类型直接复制该侧细胞。(4) 表达插值：对b侧每个细胞j，OT加权源表达 ê_j = Σ_i P_ij·x_a_i / Σ_i P_ij（重心投影）；最终表达 = (1-α)·x_b_j + α·(ê_j - x_b_j)，即向OT投影方向移动α步；α初值0.3，搜索{0.1, 0.2, 0.3, 0.5}。(5) 坐标处理（保邻域）：不用OT位移；坐标 = 对齐后 (1-t)·coord_a_matched + t·coord_b，t=0.5；然后kNN平滑k=5（每细胞坐标取自身与表达空间5近邻均值），防止局部邻域撕裂。(6) 组成：按类型比例线性插值（与mix相同），κ=0.65阻尼（沿用已验证设定）。(7) 输出格式与基线一致。vec-score快筛：先在每类型取前50细胞的小样本上跑通流程确认无报错（1次查分），再全量跑（1次查分），然后扫α（2-3次查分），总计≤8次。", "expected_groups": ["cell_state", "expression_change"], "risks": "1) Sinkhorn在类型内细胞数差异大时耦合退化（某侧细胞被过度复用），Engineer应检查耦合矩阵的行/列和是否接近均匀，若最大权重>0.5则加平衡正则或改用ε更大值；2) PCA前30维可能丢失关键表达变异，若α扫描全负则试50维；3) 30分钟极紧，Procrustes+Sinkhorn+输出管线必须一次写对，建议先写数据读取和输出格式（确保不报错），再加OT核心；4) kNN平滑可能模糊真实空间结构，若local_spatial下降>1则去掉平滑（k=1）。", "family_id": "T2EI-02", "mechanism": "Sinkhorn最优传输在类型内表达空间建立全局最优细胞配对，用耦合重心投影修正目标侧表达，使插值后的表达更接近真实中间态而非简单线性混合。", "vs_constant_shift": "常数位移对所有同类型细胞施加相同表达偏移；本方案的OT耦合为每个细胞计算不同的加权源表达投影，位移方向和大小取决于该细胞在表达空间中的配对结构，是逐细胞异质的。", "mechanism_evidence": "Engineer应输出：(1)耦合矩阵P的熵（低熵=尖锐配对，说明OT在区分细胞）；(2)OT位移向量(ê_j - x_b_j)在类型内的标准差（应>0，若≈0则退化为常数位移）；(3)α=0 vs α=0.3的四组分对比（若四组分完全一致则机制未运行）；(4)随机排列P的行后重跑（应比真P差，证明配对结构有意义）。", "mechanism_off_control": "设环境变量OT_OFF=1：跳过Sinkhorn，表达插值改为类型内随机配对（每个b细胞随机选一个a细胞做线性混合），其余流程不变。预期：OT_OFF=1时输出退化为类似mix的随机配对插值，四组分与α=0一致；若OT_OFF=1与OT开启无差别，说明机制未生效。", "sources": []}