节点 n7

malTransportConditionalFlowMatcher(sigma=0.0)。\n4. 训练：每步从两阶段训练集各取 batch_size=256 细胞，fm.sample_location_and_conditional_flow(x0, x1) 得 (t, xt, ut)，损失 = ||v_net(xt, t) - ut||²。Adam lr=1e-3，训练 1500 步（约 2-3 分钟）。设训练时间上限 5 分钟，超时用已完成权重。\n5. 预测：取全部最新阶段（E9.5）细胞，投影到 PCA，用单步欧拉：x_pred_pca = x_pca + α·v_net(x_pca, t=1.0)。α 初值 0.5，筛查 {0.3, 0.5, 0.8}。\n6. 解码：x_pred_gene = PCA_inverse(x_pred_pca) + residual_i，其中 residual_i = x_orig_gene_i - PCA_reconstruct(x_pca_i)（逐细胞残差保留共变结构与稀疏性）。将负值截断为 0。\n7. 输出所有基因（按视图 genes.txt 顺序），细胞数与最新输入阶段相同。\n8. 关闭机制对照：α=0（即不施加速度），输出等于 E9.5 原样（copy_last），同一程序跑一次比较。\n9. 机制证据收集：计算每个细胞类型内速度向量的标准差（均值 ± std），报告速度场是否退化为常向量；报告四组分各自变化。\n10. 用 vec-score 查分（真值 A 半），先跑 α=0.5，再跑 α=0 对照，最后筛查其余 α。每次查分记录四组分。",
  "expected_groups": ["de_recovery", "direction", "cell_state"],
  "risks": "1. 两个时间点场弱识别：速度可能近似常数，退化为全局位移（与 node 2 无本质区别）——Engineer 应检查型内速度 std，若 < 0.1×全局 std 则机制未生效。2. 外推过冲：α 过大导致细胞飞出流形，mmd_u 和 variogram 恶化——先跑 α=0.3 确认无爆炸。3. 训练不收敛或过拟合：1500 步可能不够或太多——监控训练损失，若 500 步后不降则检查数据预处理。4. 残差解码后稀疏结构被破坏：PCA_inverse 产生大量小非零值——检查输出零值比例，应接近输入。5. 内存：2000×25 训练数据很小，但全量预测若细胞数 >50k 需分批——分 10k 一批做 PCA 投影和预测。6. 与 node 5 类似的 mover-mask 问题：本方案不做基因筛选，速度场直接作用于 PCA 空间，解码由线性映射+残差完成，避免节点 5 的 mask 伤 de_score 问题。",
  "family_id": "ot_cfm",
  "mechanism": "在共享 PCA 空间中，用 minibatch-OT 配对两个时间点的细胞，训练时间条件 MLP 速度场 v(x,t)；从最新阶段细胞出发，以阻尼单步欧拉 α·v(x,1) 外推，解码时加回逐细胞残差保留共变结构。",
  "vs_constant_shift": "速度场 v(x,t) 是细胞状态 x 的连续函数：同一类型内不同位置的细胞获得不同方向和幅度的位移。常数位移（或每型常向量）对型内所有细胞施加相同平移。OT-CFM 的速度在型内有连续变化，可以捕获型内异质性（如成熟梯度），而常向量不能。",
  "mechanism_evidence": "1. 型内速度离散度：对每个细胞类型，计算速度向量的逐维标准差，报告均值；若所有型内 std ≈ 0 则退化为常向量。2. 实际改变量：报告 α=0 与 α=0.5 输出的逐基因平均差异、零值比例变化、方差变化。3. 四组分拆分：分别报告 de_recovery、direction、cell_state、covariation 在 α=0 与 α>0 时的变化，判断哪个组分受速度场影响。4. 与随机扰动对照：将速度替换为同方差各向同性高斯噪声，比较四组分，确认方向性信号而非单纯扩散。",
  "mechanism_off_control": "同一程序，将外推步长 α 设为 0（或跳过速度场计算），输出等于最新输入阶段的 copy_last。预期：α=0 时四组分与 copy_last 基线完全一致（逐字节相同）；α>0 时若机制生效，de_recovery 和 direction 应有可测量变化（>2 分噪声），且型内速度 std > 0。若 α>0 输出与 α=0 逐字节相同，说明速度场未被调用，机制未运行。"
}
```