总览 · ← 返回运行 20261003-094241-search-t2-heart-interp-g24-D-s2

节点 n10

T2HI-01：logit 空间插值括号两侧细胞类型组成定配额，按配额抽真实细胞（表达/坐标原样），不做伪批量平均。

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 fe3e47beae: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 +32 −0、solution/run.py +204 −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..2911dcc--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,32 @@+T2HI-01：logit 空间插值括号两侧细胞类型组成定配额，按配额抽真实细胞（表达/坐标原样），不做伪批量平均。++## 方法（family T2HI-01，draft 最小实现）++1. mix 基座：`view_io.interp_bracket` 取目标两侧输入 (a, b, t)；`align_pair(procrustes)`（xy 用共有类型质心 Kabsch，z 只定符号，共有类型 <3 自动退化 PCA）；两侧坐标缩放到 log 线性 RMS（scale_damp=1）；总细胞数 `interp_count` 夹到 manifest [min_cells, max_cells]。+2. 组成机制（默认开）：两侧类型比例 p_a、p_b（未见类型加岭 eps），f ∝ exp((1−t)·logit(p_a) + t·logit(p_b))，归一化后乘 n 得逐型配额；配额受两侧可用细胞数上限约束、余量按 f 比例重分。共有类型按 (1−t, t) 拆到两侧池，单侧类型只从该侧抽；`rng.choice` 无放回，表达与坐标原样携带（无任何平均/插值）。默认 eps=0.0005（env `T2HI_EPS`）。+3. 对照（机制关）：`T2HI_COMPOSITION=linear`，同一分配代码，f = (1−t)p_a + t·p_b；两模式 f 相等时输出逐位相同。提交时保持 logit 开。+4. 单输入 / 目标不被括号：copy_last 退路（≤max_cells 原样输出，否则分层 take），组成模块不启用。+5. 视图无关：只用时间差 (t)、manifest 细胞上下限与数据本身；不读 board/mode/阶段名，无硬编码类型名单或比例。已在伪装视图（时间 +1 天、manifest 键序打乱、换路径）验证输出逐位相同。++## 机制生效证据（proxy：E8.25+E9.5→E8.75，t=0.4，n=17616）++- 日志：L1(linear, logit) = 0.272（eps=0.0005），逐型配额与两侧实际抽样数均打印；a 侧抽样 12055 vs linear 11421，b 侧 5561 vs 6195，约 634 个细胞换了来源侧，另有多个单侧类型配额改变（如 EXE-Endoderm 928→按 f_log 缩减、NCC 1333→增大）。+- 四组分变化（A 半，linear 对照 → logit 机制，同程序同 RNG 流程）：+  - expression_change 65.19 → 72.08（de_score raw 0.370→0.505，de_direction 0.543→0.619）+  - cell_state 65.95 → 71.56（mmd_u raw 0.0324→0.0288，variogram 0.0281→0.0251）+  - local_spatial 54.99 → 65.26（neighborhood_mmd raw 0.0785→0.0663）+  - shape_scale 52.83 → 51.03（略降，d2_shape/occupancy 变化在噪声内；scale_log_ratio 不变）+- 对照结果：linear 59.75 ≈ 种子 mix 水平（59.50），确认基座复现；机制版总分 64.98，差 +5.2，远超 ~1 的噪声。++## 验证过的++- proxy 视图（本榜替代评测）：eps 网格 {0（61.57）、2e-5（64.90）、2e-4（65.35）、5e-4（64.98）、1e-3（65.15）、2e-3（59.85）、5e-3（62.38）、2e-2（59.85）}，2e-4…1e-3 为平台，取中值 5e-4。linear 对照 1 次。共 11 次查分。+- `vec-check` 通过；伪装视图输出逐位相同（view-independent）；seed 0 确定性（同参数重跑输出相同）。+- 纯 CPU，运行 <2 分钟，内存远低于 28 GB。++## 没验证的 / 风险++- final 视图（E8.25+E8.75，31 个共有类型）未跑（无该视图）；预期单侧类型更少、eps 影响更小，同段代码作用更大（PLAN 预期）。+- eps 平台在 proxy 上宽（2e-4…1e-3 都在 65±0.4），正式分用 B 半，小幅差异不保证重现。+- 知识来源：仅通用做法——发育过程中细胞类型比例随时间连续变化、logit/对数比空间插值保证组成在单侧类型上平滑过渡而非线性截断；未使用任何保留阶段/基因型的测量信息。+- 若某视图共有类型 <3，procrustes 自动退化 PCA（frame.py 内建），组成机制不受影响。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..e804c95--- /dev/null+++ b/solution/run.py@@ -0,0 +1,204 @@+"""T2HI-01: logit-space composition interpolation + real-cell mixing (no pseudobulk).++Reads the interpolation bracket from the manifest, aligns the two stage clouds+with z-held procrustes on shared cell-type centroids, rescales both to the+log-linear RMS target, then draws real cells (expression and coordinates+carried unchanged) according to per-type quotas. Quotas come from a logit-space+interpolation of the two sides' type proportions (mechanism on) or a linear+interpolation (control, env T2HI_COMPOSITION=linear). Shared types split their+quota between the sides as (1-t, t); single-side types draw from that side+only, capped by availability with proportional redistribution.++Single input / unbracketed target: copy_last fallback (stratified take to+max_cells, everything unchanged). No view names, stage names, absolute times or+hard-coded cell counts / type lists are used.+"""++from __future__ import annotations++import argparse+import os++import numpy as np++from src.task2_spatial import view_io+from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.sample import interp_count, take+from src.task2_spatial.transport import as_dense+++def _jitter(coords: np.ndarray, rng: np.random.Generator) -> np.ndarray:+    if len(coords) < 2:+        return coords+    rounded = np.round(coords, 5)+    _, inv, counts = np.unique(rounded, axis=0, return_inverse=True, return_counts=True)+    if counts.max() <= 1:+        return coords+    rms = rms_radius(coords) + 1e-8+    noise = rng.normal(0.0, 1e-4 * rms, size=coords.shape)+    out = coords.copy()+    dup = counts[inv] > 1+    out[dup] = out[dup] + noise[dup]+    return out+++def composition(labels_a, labels_b, t: float, mode: str, eps: float):+    """Per-type target fractions at time t over the union of both sides' types."""+    la = np.asarray(labels_a).astype(str)+    lb = np.asarray(labels_b).astype(str)+    types = sorted(set(la.tolist()) | set(lb.tolist()))+    ta = np.unique(la)+    tb = np.unique(lb)+    pa = np.zeros(len(types))+    pb = np.zeros(len(types))+    for i, ty in enumerate(types):+        pa[i] = float((la == ty).sum()) / max(len(la), 1)+        pb[i] = float((lb == ty).sum()) / max(len(lb), 1)+    f_lin = (1.0 - t) * pa + t * pb+    s = f_lin.sum()+    if s > 0:+        f_lin = f_lin / s+    if mode == "linear":+        return types, f_lin, f_lin, pa, pb+    qa = np.where(pa > 0, pa, eps)+    qb = np.where(pb > 0, pb, eps)+    logit_a = np.log(qa / (1.0 - np.clip(qa, 0, 1 - 1e-12)))+    logit_b = np.log(qb / (1.0 - np.clip(qb, 0, 1 - 1e-12)))+    w = np.exp((1.0 - t) * logit_a + t * logit_b)+    f_log = w / w.sum()+    return types, f_log, f_lin, pa, pb+++def allocate_sides(types, fracs, labels_a, labels_b, t: float, n: int, rng):+    """Per-type quota from fracs, capped by availability, split between sides as (1-t, t)."""+    la = np.asarray(labels_a).astype(str)+    lb = np.asarray(labels_b).astype(str)+    pools_a = {ty: np.flatnonzero(la == ty) for ty in types}+    pools_b = {ty: np.flatnonzero(lb == ty) for ty in types}+    avail = np.array([pools_a[ty].size + pools_b[ty].size for ty in types], dtype=np.int64)+    fracs = np.asarray(fracs, dtype=np.float64)++    counts = np.floor(fracs * n).astype(np.int64)+    counts = np.minimum(counts, avail)+    deficit = int(n - counts.sum())+    order = np.argsort(-fracs)+    guard = 0+    while deficit > 0 and guard < n + 5:+        progressed = False+        for i in order:+            if deficit <= 0:+                break+            if counts[i] < avail[i]:+                counts[i] += 1+                deficit -= 1+                progressed = True+        if not progressed:+            break+        guard += 1+    if deficit > 0:+        for i in order:+            add = int(min(deficit, avail[i] - counts[i]))+            counts[i] += add+            deficit -= add+            if deficit <= 0:+                break++    idx_a, idx_b = [], []+    per_type = []+    for i, ty in enumerate(types):+        k = int(counts[i])+        if k <= 0:+            per_type.append((ty, 0, 0))+            continue+        sa, sb = pools_a[ty].size, pools_b[ty].size+        k_b = int(round(t * k))+        k_b = int(np.clip(k_b, max(0, k - sa), min(sb, k)))+        k_a = k - k_b+        if k_a:+            idx_a.append(rng.choice(pools_a[ty], k_a, replace=False))+        if k_b:+            idx_b.append(rng.choice(pools_b[ty], k_b, replace=False))+        per_type.append((ty, k_a, k_b))+    ia = np.concatenate(idx_a) if idx_a else np.array([], dtype=int)+    ib = np.concatenate(idx_b) if idx_b else np.array([], dtype=int)+    return ia, ib, per_type+++def run(view: str, out: str, seed: int) -> None:+    mode = os.environ.get("T2HI_COMPOSITION", "logit").strip().lower()+    eps = float(os.environ.get("T2HI_EPS", "0.0005"))+    manifest = view_io.load_manifest(view)+    genes = view_io.panel_genes(view, manifest)+    lo = int(manifest["min_cells"])+    hi = int(manifest["max_cells"])+    rng = np.random.default_rng(int(seed))++    a_entry, b_entry, t = view_io.interp_bracket(manifest)+    if b_entry is None:+        stage = view_io.read_stage(view, a_entry, genes)+        idx = np.arange(stage.n) if stage.n <= hi else take(stage.labels, hi, rng)+        expr = as_dense(stage.X, idx)+        coords = np.asarray(stage.coords[idx], dtype=np.float64)+        print(f"[copy_last] n={len(idx)} (stage n={stage.n}, hi={hi})", flush=True)+        view_io.write_t2(out, expr, coords, genes, seed=int(seed))+        return++    stage_a = view_io.read_stage(view, a_entry, genes)+    stage_b = view_io.read_stage(view, b_entry, genes)+    aligned_a, aligned_b, info = align_pair(+        stage_a.coords, stage_b.coords, stage_a.labels, stage_b.labels, "procrustes"+    )+    rms_a = rms_radius(stage_a.coords)+    rms_b = rms_radius(stage_b.coords)+    target_rms = log_interp(rms_a, rms_b, float(t), 1.0)+    ca = scale_to_rms(aligned_a, target_rms)+    cb = scale_to_rms(aligned_b, target_rms)+    n = interp_count(stage_a.n, stage_b.n, float(t), lo, hi, 1.0)++    types, f_use, f_lin, pa, pb = composition(stage_a.labels, stage_b.labels, float(t), mode, eps)+    _, f_log, _, _, _ = composition(stage_a.labels, stage_b.labels, float(t), "logit", eps)+    l1 = float(0.5 * np.abs(f_lin - f_log).sum())+    ia, ib, per_type = allocate_sides(types, f_use, stage_a.labels, stage_b.labels, float(t), n, rng)++    print(f"[mix-{mode}] t={t:.4f} n={n} (a={ia.size}, b={ib.size}) eps={eps}", flush=True)+    print(+        f"[align] shared_types={info.get('n_shared_types')} z_flipped={info.get('z_flipped')} "+        f"rms_a={rms_a:.1f} rms_b={rms_b:.1f} target_rms={target_rms:.1f}",+        flush=True,+    )+    print(f"[composition] L1(linear, logit)={l1:.6f}", flush=True)+    for i, (ty, k_a, k_b) in enumerate(per_type):+        print(+            f"  {ty}: pa={pa[i]:.4f} pb={pb[i]:.4f} f_lin={f_lin[i]:.4f} f_log={f_log[i]:.4f} "+            f"target={int(round(f_use[i] * n))} draw_a={k_a} draw_b={k_b}",+            flush=True,+        )++    parts = []+    if ia.size:+        parts.append(as_dense(stage_a.X, ia))+    if ib.size:+        parts.append(as_dense(stage_b.X, ib))+    expr = np.clip(np.vstack(parts), 0.0, None).astype(np.float32)+    coord_parts = []+    if ia.size:+        coord_parts.append(ca[ia])+    if ib.size:+        coord_parts.append(cb[ib])+    coords = _jitter(np.vstack(coord_parts), rng)+    coords = scale_to_rms(coords, target_rms)+    print(f"[out] n={expr.shape[0]} out_rms={rms_radius(coords):.1f}", flush=True)+    view_io.write_t2(out, expr, coords, genes, seed=int(seed))+++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()+    run(args.data, args.out, args.seed)+++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

**做了什么**：从零实现 T2HI-01（draft）——mix 基座（procrustes 对齐 + log 线性 RMS + interp_count）之上，用 logit 空间插值两侧类型比例定逐型配额，按 (1−t, t) 从两侧抽真实细胞（表达/坐标原样），单侧类型加岭 eps；`T2HI_COMPOSITION=linear` 为同代码对照，单输入退路 copy_last，无视图依赖（伪装视图逐位相同已验证）。

**查分**（A 半，11/20 次）：linear 对照 59.75（≈种子 mix 59.5，基座复现）；logit eps 网格峰值平台 2e-4…1e-3 → 65.0–65.4，默认取 eps=0.0005 = **64.98**。机制增益 +5.2，expression_change 65→72、cell_state 66→72、local_spatial 55→65、shape_scale 53→51（略降）。超当前最佳节点 5（60.30）。

**下一步**：shape_scale 是唯一变弱的组（scale_log_ratio 51 偏低，log 线性 RMS 346 对不上目标 ~217）——在 logit 组成之上叠 scale_damp 或节点 5 的坐标后处理最值得试；eps 平台宽，final（31 共有类型）上机制预期更强。

调研员

明只动坐标可再拿 +1.36/+1.82。T2HI-01 的另一半——类型内伪批量插值（hybrid type 模式，卡片记录 proxy 58.78）低于 mix 的 59.12，说明平均化细胞伤 mmd_u/variogram/邻域。因此本 draft 只实现该方向中尚未在树上出现的最小机制：用 logit 线性插值重定目标时刻的类型组成，细胞仍取真实细胞、表达与坐标原样走。proxy 仅 5 个共有类型、机制信号预计弱，但 final 有 31 个类型，同一段代码作用大得多，卡片明确不要因 proxy 无提升而丢弃。",
 "approach": "步骤：(1) 复刻 mix 基座：读括号两侧输入；procrustes 同帧（xy 用共有类型质心 Kabsch，z 只定符号；共有类型 <3 时退化为只平移+缩放）；坐标缩放到 log 线性插值的 RMS 半径；总细胞数按 manifest min/max_cells。(2) 组成模块（核心机制）：统计两侧各类型比例（未见类型加岭 eps）；p_t ∝ exp((1−t)·logit(p_a) + t·logit(p_b))，eps 初值 0.005，搜索 [0.001, 0.02]；归一化后乘总细胞数得每型目标计数；两侧都有的类型按 (1−t, t) 从两侧池抽真实细胞（表达、坐标原样，不做任何表达平均/插值）；只在一侧的类型按该侧权重保留，目标数超过该侧可用数时取全量并把余量按比例重分给其余类型；分层抽样用固定 RNG（正式跑 seed 0）。(3) 单输入阶段退路：只检测到一个输入阶段时直接 copy_last（原样输出该阶段细胞与坐标），组成模块自动不启用；代码不得读取任何视图名、阶段名或硬编码类型名单/比例。(4) vec-score 快速筛选：先跑 T2HI_COMPOSITION=linear 对照确认复现 mix 水平（约 59，节点 2 附近）再跑机制版；两者差距 ≤1（噪声）时各查 2 次取均值；日志打印逐类型目标计数、两侧实际抽样数与两种组成的 L1 距离；总查分 ≤20 次。",
 "expected_groups": ["cell_state", "local_spatial"],
 "risks": "(a) proxy 上 5 个类型的两侧比例若相近，t=0.5 处线性与 logit 组成几乎重合（logit 插值在中点≈几何平均，与算术平均差二阶小），机制与基座差 <1 分、落在噪声内——Engineer 用日志里的逐型目标计数与组成 L1 距离确认机制是否真的改变了抽样；proxy 负结果不否决方向（final 31 型）。(b) 切勿为补信号而引入伪批量表达平均：卡片记录 hybrid type 模式 proxy 58.78 低于 mix，平均化细胞会伤 mmd_u/variogram/neighborhood_mmd；若不小心实现，先看 variogram 与邻域原始值是否恶化。(c) 单侧类型目标比例被 logit 推到近 0/1 导致计数极端——岭 eps 与上界（不超过该侧可用细胞数）约束，检查极端值日志。(d) 发现机制版与对照输出逐位相同，说明组成本无差异或实现没生效，先核对目标计数日志再谈分数。",
 "family_id": "T2HI-01",
 "mechanism": "在 logit（对数比值）空间对括号两侧的类型比例做线性插值定目标时刻的类型组成，按该配额抽取真实细胞（表达与坐标原样、不做伪批量平均），仅一侧出现的类型按该侧权重保留。",
 "vs_constant_shift": "常数位移/全局组成重加权对所有基因或所有细胞施加同一变换；本机制不改任何细胞的表达值或坐标值，只改变每个类型出现多少细胞、从哪一侧抽，对各类型的作用方向与幅度各异（有的增多有的减少），并由此改变细胞状态分布与邻域组成。",
 "mechanism_evidence": "日志打印逐类型目标计数与两侧实际抽样数、线性与 logit 组成的 L1 距离（>0 且计数变化才说明机制运行；proxy 预期小、final 预期大）；机制版与对照版的细胞索引重叠率；score_parts 里 mmd_u 与 neighborhood_mmd 原始值相对对照的变化。",
 "mechanism_off_control": "同一程序置 T2HI_COMPOSITION=linear（即节点 2 / 种子 mix 的组成规则），其余流程与 RNG 完全相同：预期输出与 mix 基座一致。若在某个视图上线性和 logit 组成相等，两模式应逐位相同，说明机制在该视图无操作空间；预期机制版只改变少数类型的计数，表达变化组与形状组保持噪声内。"}
```

审查员

REVIEW.json written