总览 · ← 返回运行 20261003-070222-search-t2-heart-extrap-g24-D

节点 n17

实现 PLAN T2HX-05「PCA 主轴长宽比趋势外推（各向异性缩放）」：由两输入阶段 PCA 逐轴 σ 比值 r_j 推 a_j=r_j^γ 对末阶段点云各向异性缩放；榜单双向证伪（γ=+0.5→52.46、γ=−0.25→53.95，均低于 γ=0 的 54.15），按停止规则提交 γ=0（=节点 6：表达照抄末阶段 + 各向同性缩放 0.946×max RMS + PCA 规范化，形变场

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 1a31cc807e: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 4c301b52c0。改动的文件：solution/METHOD.md +23 −48、solution/README.md +7 −6、solution/run.py +49 −6

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 518ff39..e669c09 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,63 +1,38 @@-在节点 6（表达照抄末阶段 + 各向同性缩放到 0.946·max RMS + PCA 规范化）之上，新增去尺度 kNN 残差形变场，把末阶段点云沿 prev→last 的形状变化方向前向外推 β=−0.5 倍，只改相对几何；proxy 54.15→54.76，shape_scale 66.6→69.5。+实现 PLAN T2HX-05「PCA 主轴长宽比趋势外推（各向异性缩放）」：由两输入阶段 PCA 逐轴 σ 比值 r_j 推 a_j=r_j^γ 对末阶段点云各向异性缩放；榜单双向证伪（γ=+0.5→52.46、γ=−0.25→53.95，均低于 γ=0 的 54.15），按停止规则提交 γ=0（=节点 6：表达照抄末阶段 + 各向同性缩放 0.946×max RMS + PCA 规范化，形变场 β=0 关闭）。  ## 方法族 / PLAN -family `T2HX-02`（PLAN 指定的去尺度残差形变场 β 外推）。机制：移除两输入阶段的平移与尺度差异后，用 kNN 均值估计逐细胞的平滑残差形状变化场，沿该场把末阶段点云外推 β 倍，只改相对几何，不改表达、不改细胞数。机制开关 = 环境变量 `VEC_BETA`（0 = 关闭 = 逐位复现节点 6）。提交默认 `BETA=−0.5`（打开）。+family `T2HX-05`（PLAN 指定的 PCA 主轴长宽比趋势外推，各向异性尺度）。机制：两输入阶段坐标各自去质心 + PCA 规范化（复用 `pca_canonicalize` 的确定性旋转），取逐轴标准差 σ_prev[j]、σ_last[j]，比值 r_j=σ_last[j]/σ_prev[j] 是一步观测到的轴间长宽比变化趋势；对末阶段点云（规范帧内、按 idx 取样后）逐轴乘 a_j=r_j^γ（仅 3 个自由度，只改相对几何，不改表达、细胞数、等向 RMS 目标），再做等向缩放到 f·max RMS 与 PCA 规范化。σ_prev[j] < 0.01·max(σ_prev) 的退化轴强制 a_j=1。单输入（prev_e is None）跳过该步。机制开关 = 环境变量 `VEC_ANISO_GAMMA`（0 = 关闭，完全跳过该步，逐位复现节点 6）。 -## 实现（相对节点 6 的改动）+同时按父节点 ANALYSIS 的结论把父节点的 kNN 残差形变场默认关闭（`BETA=0`，代码保留、`VEC_BETA` 仍可开）：该机制在权威榜单上净负（53.92 < 54.15），本节点基线回到节点 6。 -保留节点 6 全部基础：表达逐位照抄末阶段（α=0）、坐标各向同性缩放到 `f·max_k RMS(input_k)`（f=0.946，proxy 上 scale_log_ratio≈0）、确定性 PCA 规范化（质心归零、主轴旋转、det=+1、第三矩定向）。新增一步形变场外推，插在“缩放”之前：+## 机制生效证据（γ=0.5，proxy = E8.25_late + E8.75 → E9.5） -1. 读 prev、last 两输入阶段坐标，各自去质心并缩放到单位 RMS（`rms_radius`）——完全移除平移与尺度差异，只留形状。-2. 在归一化 prev 上建 `scipy.spatial.cKDTree`，对每个归一化 last 细胞取 k=10 个最近邻；`field_i = mean(prev_norm[kNN_i]) − last_norm_i`，即去掉尺度后的平滑残差形状变化场（指向 prev 形状）。-3. `disp = β·field`，`last_norm_new = last_norm + disp`；负 β 把细胞推离 prev 形状 = 沿 prev→last 的形变趋势**前向外推**到目标时刻。-4. 处理顺序：归一化 → 形变 → `scale_to_rms` 恢复到 `f·max RMS` → PCA 规范化（rigid，再校正回精确 RMS）。-5. 单输入阶段（`prev_e is None`）时跳过形变，退化为节点 6 的缩放+PCA；不崩。+- r_j = [0.5578, 0.6100, 0.7513]（σ_prev=[245.3, 210.4, 144.9]，σ_last=[136.8, 128.3, 108.9]），a_j = [0.7469, 0.7810, 0.8668]，非全 1，各轴不同 → 各向异性、数据驱动，接入生效。+- γ=0.5 与 γ=0 输出坐标差异：aniso_disp_rms = 20.12（逐轴 [11.65, 2.37, 16.23]）> 0。+- 四组分对照（A 半查分）：+  - γ=0（关）：总分 54.15，cell_state 50.00 / expression_change 50.00 / local_spatial 50.00 / shape_scale 66.60，与节点 6 榜单值逐位一致（d2_shape 0.04891、occupancy_dice 0.8148）；default 运行与 γ=0 控制运行的 .X 与 obsm 逐位相同。+  - γ=0.5（开）：总分 52.46，shape_scale 59.81（d2_shape 0.04891→0.05563、occupancy_dice 0.8148→0.8000），其余三组不变 → 差异只体现在 shape_scale，符合 PLAN 预期。 -关键参数（全部 proxy 上调节，非硬编码数据）：`SCALE_F=0.946`（承自节点 6）、`BETA=−0.5`、`KNN_K=10`、`VEC_ALIGN_NORM=0`（见下）。+## 参数搜索（榜单 A 半查分，共用额度，本节点用了 4 次） -## 参数搜索（proxy = E8.25_late + E8.75 → E9.5，A 半查分）+| γ | 榜分 | shape_scale | local_spatial |+|---|---:|---:|---:|+| 0（=节点6，提交） | **54.15** | 66.60 | 50.00 |+| +0.5 | 52.46 | 59.81 | 50.04 |+| −0.25 | 53.95 | 65.81 | 49.98 | -β 扫描（k=10，align off）：--| β | 榜分 | shape_scale | local_spatial | d2_shape | occupancy_dice |-|---|---:|---:|---:|---:|---:|-| 0（=节点6） | 54.15 | 66.60 | 50.00 | 0.0489 | 0.8150 |-| +0.25 | 51.90 | 57.66 | 49.95 | 0.0536 | 0.7878 |-| −0.25 | 54.23 | 66.99 | 49.92 | 0.0434 | 0.8138 |-| −0.375 | 54.36 | 67.72 | 49.74 | 0.0404 | 0.8144 |-| −0.45 | 54.28 | 67.51 | 49.60 | 0.0385 | 0.8136 |-| −0.48 | 54.51 | 68.48 | 49.57 | 0.0377 | 0.8151 |-| −0.49 | 54.52 | 68.53 | 49.57 | 0.0375 | 0.8151 |-| **−0.50** | **54.76** | **69.53** | 49.53 | 0.0372 | 0.8167 |-| −0.52 | 54.32 | 67.75 | 49.51 | 0.0367 | 0.8135 |-| −0.55 | 53.95 | 66.34 | 49.46 | 0.0359 | 0.8103 |-| −0.625 | 53.40 | 64.20 | 49.38 | 0.0340 | 0.8031 |-| −1.0 | 53.07 | 63.37 | 48.91 | 0.0235 | 0.7872 |--方向明确：**负 β（前向外推形状变化）改善，正 β（回退到 prev 形状）变差**。d2_shape 随 |β| 单调下降（0.0489→0.0372→0.0235，真实结构性改善），但 occupancy_dice 在 β≈−0.5 达峰（0.8167）后随过度外推下降（−1.0 时 0.7872）。shape_scale 组合两者，峰值在 β=−0.5。k 扫描（β=−0.5）：k=5→54.31、k=10→54.76、k=20→54.42、k=30→53.54，k=10 最优（太小场噪声、太大过度平滑稀释形状增益）。--未采用：`VEC_ALIGN_NORM=1`（先对 prev/last 各做 PCA 规范化再算场，试图去除帧间旋转差异）→ 52.34，反而更差（field_rms 从 0.154 降到 0.103，形变被压平、丢失有效形状信号）。默认关闭。--## 机制生效的证据--stderr（β=−0.5，k=10，proxy）：`field_rms=0.1536`、`frac_field_nonzero=1.0`（全部 24826 细胞都被位移）、`disp_rms=0.0768`、`disp_p95=0.1718`（归一化单位）。场非退化。--四组分对照（β=0 → β=−0.5，OFF→ON）：-- `expression_change` 50.00 → 50.00（表达照抄，未动）-- `cell_state` 50.00 → 50.00（未动）-- `shape_scale` 66.60 → 69.53（+2.93：d2_shape 0.0489→0.0372、occupancy_dice 0.815→0.8167、scale_log_ratio 恒 −0.0027）——**相对几何被真实修改**，父节点中这两项在各向同性缩放扫描下恒定不变，本机制首次让它们同向改善。-- `local_spatial` 50.00 → 49.53（−0.47：neighborhood_mmd 0.1148→0.1166，kNN 位移轻微扰动局部邻域，幅度小、在噪声内）-- 总榜分 54.15 → 54.76（+0.61，A 半）--`mechanism_off_control`：同一程序 `VEC_BETA=0` → 形变场不应用，输出与父节点 6 **逐位相同**（X 与 coords 全等，已验证），预期总分 54.15、四组分 50/50/50/66.6。ON（β=−0.5）与 OFF 的 d2_shape、occupancy_dice、shape_scale 均出现非零变化 → 机制确实接入并生效。提交状态：打开（β=−0.5）。+PLAN 停止规则：γ=0.5 ≤ 53.5 → 立即停止。实际额外做了一次反方向探测 γ=−0.25（数据信息：r_j 全 <1，γ>0 使点云更球形、γ<0 更扁长），仍 ≤ 54.15。γ=0 是双向局部最优 → **T2HX-05 各向异性缩放族在本视图证伪**，提交 γ=0（输出 = 节点 6）。未再扫 γ=0.75/1.0（γ=+0.5 已 −1.69，方向单调变差）与 γ=−0.5（γ=−0.25 已 −0.20，同侧单调）。  ## 验证过 / 未验证 -已验证：默认输出对 seed 确定（同 seed 两次运行 X/coords 逐位相同）；`vec-check` 通过（status ok）；单输入退路（prev_e=None 跳过形变）；`VEC_BETA=0` 逐位复现父节点；输出不含 NaN/Inf、细胞数 24826 在 [1000, 25179] 内、obsm spatial_3D 有限。视图无关：不读 board/mode/source/dataset，不写死视图名或绝对时间，β/k/f 为常数，形变场由数据现场计算，时间只用于 stderr 报告的 ratio（不参与输出）。+- 验证过：default（γ=0）与机制关闭控制逐位相同；γ=0 榜分 54.15 与节点 6 榜单值一致；γ=±输出坐标确有各向异性差异；vec-check 通过；运行 ~2s、内存 <1GB，远低于 limits；程序不读 board/mode/视图路径，γ、r_j 均为常数或现场由输入数据计算，阶段时间只用差值 → 视图无关；对 --seed 确定（rng=default_rng(seed)，仅用于分层抽样）。+- 未验证：真实外推括号（E8.75+E9.5→E10.5）上的各向异性方向——proxy 上已双向证伪且提交 γ=0（=节点 6，rank3 54.00/54.16 与榜一致），真实视图上行为与节点 6 相同，无需额外假设。++## 知识来源 -未验证：**final 视图**上未查分——final 输入为 E8.75+E9.5、目标 E10.5，其 prev→last 形变方向与 proxy 不同，β=−0.5 的方向与幅度是否在 final 上仍净正未测（本节点仅有 proxy 查分额度）。风险：β=−0.5 处 occupancy_dice=0.8167 是局部尖峰，B 半可能回落到带内典型值 ~0.814，但 d2_shape 的结构性改善（0.0489→0.0372）应保留，shape_scale 仍应高于父节点；总分增益 +0.61 在 T2 ~1 分噪声内，属弱正。local_spatial 略降到 49.53（<50 的 PLAN 安全线），但被 shape_scale +2.93 远超抵消，净正。+无外部生物学知识；全部为对视图内两输入阶段坐标的现场几何统计（PCA 逐轴方差比）。 -## 生物学知识来源+## 结论与建议 -仅通用机制知识：胚胎心脏在 E8.25→E8.75→E9.5 持续 morphogenesis（环化、腔室扩张），点云的相对几何随时间连续演变，故可用两观测帧之间的形状变化趋势向目标时刻做一阶外推。不使用任何保留阶段/基因型的实测数据、比例、标记基因或文献数值；形变场完全从 view 提供的两个已发布输入阶段坐标现场计算。缩放因子 0.946 与外推系数 −0.5 均为 proxy 上调节的常数，非来自保留阶段。+shape_scale 66.60 的等向尺度+PCA 基线对"轴间长宽比"扰动是双向敏感的：proxy 目标 E9.5 的长宽比更接近末阶段原始形状，任何沿 prev→last 趋势（或反趋势）的轴间再分配都掉分。下一个 improve 不应再动 3 轴全局形状（T2HX-02 逐细胞形变、T2HX-05 各向异性均已证伪），建议转向尚未动的组分：cell_state / expression_change 均为 50.00（表达照抄），或 local_spatial 的邻域结构（在不破坏 occupancy 的前提下）。diff --git a/solution/README.md b/solution/README.mdindex 8cd5b58..7168819 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,12 +1,13 @@-# T2:heart:val_extrap — 尺度精调 + PCA 规范化 + 去尺度 kNN 残差形变场前向外推+# T2:heart:val_extrap — 尺度精调 + PCA 规范化（各向异性缩放与形变场均已榜单证伪，默认关闭） -`run.py --data <view> --out <pred.h5ad> --seed <int>`（纯 CPU，约 2–3 s，见 `EXECUTION.json`）。+`run.py --data <view> --out <pred.h5ad> --seed <int>`（纯 CPU，约 2 s，见 `EXECUTION.json`）。  - **表达**：末阶段原样复制（伪批量位移族已证伪，α=0）。 - **坐标尺度**：整体各向同性缩放到 `0.946 · max_k RMS(input_k)`（承自节点 6）。 - **PCA 规范化**：质心归零、主轴旋转、det=+1、第三矩定向。-- **新增·残差形变场（本节点）**：把 prev、last 两帧各去质心缩放到单位 RMS，在归一化 prev 上建 cKDTree，对每个归一化 last 细胞取 k=10 近邻求 `field = mean(prev_norm[kNN]) − last_norm`，再 `last_norm += β·field`（β=−0.5，前向外推 prev→last 的形状变化），恢复到目标 RMS 后做 PCA 规范化。只改相对几何，不改表达/细胞数。-- 细胞数 / 组成：保持末阶段（夹到 [min_cells, max_cells]）；单输入阶段跳过形变，退化为缩放+PCA。-- 开关：`VEC_BETA=0` = 关闭形变场 = 逐位复现节点 6（proxy 54.15）；`VEC_MECH_OFF=1` = copy_last（50.00）。默认打开（β=−0.5，proxy 54.76）。+- **各向异性缩放（本节点新增，默认 γ=0 关闭）**：由 prev/last 两帧 PCA 逐轴 σ 比值 r_j 得 a_j=r_j^γ，逐轴缩放末阶段规范帧坐标。榜单双向证伪：γ=+0.5→52.46、γ=−0.25→53.95，均低于 γ=0 的 54.15。开关 `VEC_ANISO_GAMMA`。+- **残差形变场（承自父节点 9，默认 β=0 关闭）**：去尺度 kNN 残差场前向外推；权威榜单净负（53.92<54.15）。开关 `VEC_BETA`。+- 细胞数 / 组成：保持末阶段（夹到 [min_cells, max_cells]）；单输入阶段跳过各向异性与形变，退化为缩放+PCA。+- `VEC_MECH_OFF=1` = copy_last（50.00）。默认输出 = 节点 6（proxy/榜单 54.15，shape_scale 66.60）。 -参数搜索、四组分对照与风险见 `METHOD.md`。+参数搜索、机制生效证据与四组分对照见 `METHOD.md`。diff --git a/solution/run.py b/solution/run.pyindex 72f17d0..4c34bd0 100644--- a/solution/run.py+++ b/solution/run.py@@ -21,8 +21,25 @@ cloud: subtract centroid, rotate onto PCA principal axes, force det = +1 This removes scorer-side alignment ambiguity (reflection / axis order) that would otherwise inject variance in the shape score. -Residual deformation field (env VEC_BETA, default -0.5; VEC_BETA=0 turns it-off and reproduces the pure-scaling version bit-for-bit).  Both input clouds+Anisotropic aspect-ratio extrapolation (env VEC_ANISO_GAMMA, default 0 = off;+board-falsified: gamma=+0.5 -> 52.46 and gamma=-0.25 -> 53.95, both below the+gamma=0 baseline 54.15, so gamma=0 is a local optimum and the mechanism ships+disabled.  gamma=0 skips the step entirely and the output reproduces the+pure-scaling + PCA version bit-for-bit).  Both input clouds are centred and+PCA-canonicalised (rigid, deterministic orientation); per-axis standard+deviations give the aspect-ratio+change r_j = sigma_last[j] / sigma_prev[j] observed over the one measured step.+The last-stage cloud (in its canonical frame) is stretched per axis by+a_j = r_j ** gamma with a small extrapolation exponent gamma, then isotropically+rescaled to the target RMS and PCA-canonicalised as before.  Only relative+geometry (axis aspect ratios) changes; expression, cell count and the isotropic+scale target are untouched.  Axes with sigma_prev[j] < 0.01 * max sigma are+kept unscaled (a_j = 1) to avoid amplifying degenerate-direction noise.  With a+single input stage (prev_e is None) the step is skipped (needs two frames).++Residual deformation field (env VEC_BETA, default 0 = off, which reproduces the+pure-scaling version bit-for-bit; the parent node's board result showed beta<0+was net-negative, so it stays off).  Both input clouds are centred and scaled to unit RMS, removing translation and scale so only the shape difference between the two observed frames remains.  A cKDTree on the normalised earlier stage gives, for every (normalised) last-stage cell, the@@ -31,9 +48,9 @@ field_i = mean(prev_norm[kNN_i]) - last_norm_i is a smooth per-cell residual shape-change field pointing from the last shape back toward the earlier shape. The output cloud is last_norm + beta * field, then rescaled to the target RMS and PCA canonicalised as before.  beta < 0 pushes cells away from the earlier-shape, i.e. forward-extrapolates the observed prev->last shape change toward-the target time (the direction that helps on this board); beta > 0 reverses it-(moves back toward prev, net-negative).  With a single input stage the field is+shape (forward extrapolation of the prev->last shape change); beta > 0 moves+back toward prev.  Both directions were net-negative on the authoritative+board in the parent node, so the default keeps it disabled.  With a single input stage the field is skipped (needs prev), so the output falls back to pure scaling + PCA.  VEC_MECH_OFF=1 disables the mechanism: no scaling, no canonicalisation,@@ -66,8 +83,10 @@ from src.task2_spatial.view_io import (  SCALE_F = 0.946  # tuned shrink factor applied to max_k RMS(input_k) PCA_NORM = True-BETA = -0.5  # forward deformation-field extrapolation strength (env VEC_BETA); proxy-tuned+BETA = 0.0  # residual deformation field off by default (net-negative on the board in the parent node) KNN_K = 10  # neighbours used to smooth the residual shape-change field+ANISO_GAMMA = 0.0  # aspect-ratio extrapolation exponent (env VEC_ANISO_GAMMA); board-falsified both signs (g=+0.5 -> 52.46, g=-0.25 -> 53.95, both < 54.15), default off+ANISO_MIN_SIGMA = 0.01  # axes with sigma_prev < ANISO_MIN_SIGMA * max(sigma_prev) get a_j = 1   def pca_canonicalize(coords: np.ndarray) -> np.ndarray:@@ -102,6 +121,8 @@ def main() -> None:     beta = float(os.environ.get("VEC_BETA", "") or BETA)     knn_k = int(os.environ.get("VEC_KNN_K", "") or KNN_K)     align_norm = os.environ.get("VEC_ALIGN_NORM", "0") == "1"+    gamma = float(os.environ.get("VEC_ANISO_GAMMA", "") or ANISO_GAMMA)+    aniso_min = float(os.environ.get("VEC_ANISO_MIN_SIGMA", "") or ANISO_MIN_SIGMA)      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)@@ -124,6 +145,28 @@ def main() -> None:         radii = [rms_radius(read_stage(args.data, e, genes).coords) for e in inputs_by_time(manifest)]         target_rms = f * float(np.max(radii))         pre_rms = rms_radius(coords)+        if gamma != 0.0 and prev_e is not None:+            prev_full = np.asarray(read_stage(args.data, prev_e, genes).coords, dtype=np.float64)+            last_full = np.asarray(last.coords, dtype=np.float64)+            prev_can = pca_canonicalize(prev_full)+            last_can = pca_canonicalize(last_full)+            sig_prev = prev_can.std(axis=0)+            sig_last = last_can.std(axis=0)+            thr = aniso_min * float(sig_prev.max())+            r = np.where(sig_prev > thr, sig_last / np.maximum(sig_prev, 1e-12), 1.0)+            a = np.power(r, gamma)+            coords = last_can[idx] * a+            ref = scale_to_rms(last_can[idx], target_rms)+            new = scale_to_rms(coords, target_rms)+            info.update(+                gamma=gamma,+                aniso_sig_prev=[round(float(s), 2) for s in sig_prev],+                aniso_sig_last=[round(float(s), 2) for s in sig_last],+                aniso_r=[round(float(x), 4) for x in r],+                aniso_a=[round(float(x), 4) for x in a],+                aniso_disp_rms=float(np.sqrt(((new - ref) ** 2).sum(axis=1).mean())),+                aniso_disp_per_axis=[round(float(x), 2) for x in np.sqrt(((new - ref) ** 2).mean(axis=0))],+            )         if beta != 0.0 and prev_e is not None:             from scipy.spatial import cKDTree 

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。用了 4/20 次查分，提交状态为默认（γ=0）。

**做了什么**：按 PLAN T2HX-05 在节点 6 基线上实现 PCA 主轴长宽比趋势外推（逐轴 a_j=r_j^γ，r_j 由两输入阶段 PCA 逐轴 σ 现场计算，3 自由度），并按父节点教训把 β 形变场默认关闭（BETA=0，代码保留）。机制证据齐全：γ=0.5 时 r=[0.56,0.61,0.75]、a=[0.75,0.78,0.87]、坐标位移 RMS 20.1，差异只落在 shape_scale；γ=0 与节点 6 输出逐位一致（default=控制逐位相同，seed 确定，vec-check 通过）。

**查分结果**：γ=0.5 → 52.46（shape_scale 59.81）；γ=−0.25 → 53.95（65.81）；γ=0 → 54.15（66.60，确认=节点 6）。双向证伪，γ=0 是局部最优，按停止规则提交 γ=0。

**下一步最值得试**：全局几何族已三连败（逐细胞形变、尖峰调参、各向异性），shape_scale 66.60 疑似该视图上限附近；建议转向仍为 50.00 的 cell_state / expression_change（如基于 prior/ 通路注释的保守表达趋势）或 external Qiu E8.75 数据辅助的邻域结构，且任何新机制先以榜单查分验证方向、不追 proxy 尖峰。

调研员

数据驱动，未利用两输入阶段之间的形状趋势信息。local_spatial 50.00、cell_state 50.00、expression_change 50.00 均在中性线，只有 shape_scale 有提升空间（66.60）。本方案用仅 3 个自由度（三根 PCA 轴的缩放比）从两帧观测数据推导各向异性趋势，避免逐细胞过拟合。",
  "approach": "在节点 6 代码（表达照抄 + 等向缩放 0.946×max RMS + PCA 规范化）基础上，在「等向缩放到目标 RMS」之前插入一步各向异性缩放：\n1. 对两输入阶段坐标各自去质心、PCA 旋转（复用现有 pca_canonicalize 的旋转矩阵），得到每轴标准差 σ_prev[j]、σ_last[j]（j=0,1,2）。\n2. 计算逐轴比值 r_j = σ_last[j] / σ_prev[j]。若 prev_e 为 None（单输入），跳过本步，退化为节点 6。\n3. 各向异性因子 a_j = r_j^γ，γ 为外推指数（默认 0.5，搜索范围 {0.25, 0.5, 0.75, 1.0}）。γ=0 时 a_j=1，机制关闭。\n4. 对末阶段坐标（已去质心）逐轴乘以 a_j，然后再做等向缩放到 0.946×max RMS 和 PCA 规范化（与节点 6 相同）。\n5. 参数搜索：先只跑 γ=0（=节点 6，验证逐位一致）和 γ=0.5 两个点，用 vec-score A 半查分确认方向；若 γ=0.5 ≤ 54.15 则再试 γ=0.25；若仍 ≤ 54.15 则提交 γ=0（=节点 6 基线）。最多 4 次查分用于搜索，预留 2 次用于最终确认。总查分 ≤ 8。\n6. 单输入退路：prev_e is None 时跳过各向异性步，输出与节点 6 逐位相同。\n7. 环境变量：VEC_ANISO_GAMMA（默认 0.5；设 0 关闭）；保留 VEC_MECH_OFF、VEC_SCALE_F、VEC_PCA_NORM 等现有开关。\n8. 视图无关：不读 board/mode/dataset 名称，γ 为常数，r_j 由数据现场计算。",
  "expected_groups": ["shape_scale"],
  "risks": "1) 各向异性缩放在节点 6 已被粗略证伪（w=0.35/0.7 净负），本次虽改为数据驱动但方向可能仍为负——Engineer 应在第 1 次查分（γ=0.5）后即判断方向，若 ≤53.5 立即停止并提交 γ=0。2) proxy A 半与榜分背离（节点 9 教训）：本方案参数空间极小（4 个 γ 值），过拟合风险远低于逐细胞形变场，但仍须以榜分查分为准。3) PCA 轴排序在不同视图上可能不稳定（第三轴方差很小），导致 r_j 噪声大——若某轴 σ < 0.01×σ_max 则该轴 a_j 强制为 1。4) 总增益可能 <1 分（噪声内），若 4 次查分后无 γ 超过 54.15+1 则提交 γ=0 基线。",
  "family_id": "T2HX-05",
  "mechanism": "从两输入阶段的 PCA 逐轴标准差比值推导形状长宽比变化趋势，以小指数 γ 向目标时刻外推，对输出点云施加 3 自由度的各向异性缩放（而非逐细胞形变场），只改相对几何，不改表达和细胞数。",
  "vs_constant_shift": "常数位移对每个细胞类型施加同一平移向量，不改变形状；全局组成重加权只改细胞类型比例。本机制改变点云的轴间长宽比（各向异性缩放），是从两帧观测数据推导的趋势外推，不同轴的缩放因子不同且由数据决定，不是全局常数。",
  "mechanism_evidence": "Engineer 应在 stderr 报告：(1) 三轴的 r_j 值和 a_j 值（确认非全为 1）；(2) γ=0 与 γ=0.5 输出的坐标差异（RMS 位移应 >0 且各轴不同）；(3) 四组分对照：γ=0 时输出应逐位等于节点 6（54.15/50/50/50/66.60），γ=0.5 时 shape_scale 应出现非零变化。若 γ=0.5 与 γ=0 输出逐位相同，说明机制未接入。",
  "mechanism_off_control": "同一程序设 VEC_ANISO_GAMMA=0，各向异性因子 a_j 全为 1，跳过逐轴缩放步，输出应与节点 6（等向缩放 + PCA）逐位相同（coords 全等），总分 54.15、四组分 50/50/50/66.60。打开（γ=0.5）与关闭的差异仅体现在 shape_scale 的 d2_shape 和/或 occupancy_dice 子指标上。"
}