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

节点 n29

收缩后径向分位数匹配：各细胞沿径向朝两侧 log 插值目标剖面位移（clip±25%，只动坐标）；代理上 d2_shape 单调劣化、occupancy_dice 无改善，按预注册规则提交 λ=0（逐位同父 27）。

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 1f8fa982ab: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 9fee5fce6c。改动的文件：solution/METHOD.md +25 −28、solution/run.py +98 −1

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex d5e3071..46b92da 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,48 +1,45 @@-全云各向异性轴比时间插值（固定 SVD 参考轴上 σ 做 log 插值目标，混抽+坐标链后逐轴缩放）：代理上 λ=0.5/1.0 的 occupancy_dice 均劣化且快于 d2_shape 改善，总分单调低于对照，按预注册放弃规则提交 λ=0，输出与父 17/19/24 管线逐位相同。+收缩后径向分位数匹配：各细胞沿径向朝两侧 log 插值目标剖面位移（clip±25%，只动坐标）；代理上 d2_shape 单调劣化、occupancy_dice 无改善，按预注册规则提交 λ=0（逐位同父 27）。  ## 方法族与机制（PLAN T2HI-05，family T2HI-05） -在父 24（=父 17/19 管线：procrustes 对齐 → logit 配额混抽 → 同型 kNN 收缩 k=20 α=1.25 → β=1.3 逐类型逐轴方差恢复 → jitter + scale_to_rms）的**坐标链末端、jitter/scale_to_rms 之前**插入全云各向异性缩放（只动坐标，表达全程不触碰）：+在父 27（procrustes 对齐 → logit 配额混抽 → 同型 kNN 收缩 k=20 α=1.25 → β=1.3 逐类型逐轴方差恢复 → ganiso(λ=0)）坐标链末端、jitter/scale_to_rms 之前插入径向分位数匹配（只动坐标，表达全程不触碰）： -1. 混抽前：取 procrustes 对齐 + 缩放到 target_rms 后的**全部** a 侧 + b 侧细胞坐标，计算全云质心 c0，对去质心联合云做 SVD，取前 3 个右奇异向量为固定参考轴 V（3×3）；-2. 分别计算 a、b 两侧全云在 V 各轴上的投影标准差 σ_a[3]、σ_b[3]；-3. 目标轴标准差（log 空间时间插值）：σ_t[j] = exp((1−t)·ln σ_a[j] + t·ln σ_b[j])；-4. 配额混抽与既有坐标链（收缩 / aniso restore / centroid restore）照常执行，不改动；-5. 坐标链末端：预测云在**同一 c0、同一 V** 下计算投影标准差 σ_p[3]；-6. 逐轴缩放因子 s[j] = 1 + λ·(σ_t[j]/σ_p[j] − 1)，clip 到 [1−C, 1+C]（C = T2HI_GANISO_CLIP，默认 0.25）；-7. x' = c0 + V·diag(s)·Vᵀ·(x − c0)，随后照常 jitter + scale_to_rms（等比，不改轴比）。+1. 混抽前两侧**全部**对齐+缩放到 target_rms 的细胞云 ca / cb，各围绕自身质心计算径向距离的 100 点等分分位函数 r_a(q)、r_b(q)；+2. 目标剖面 log 时间插值：r_target(q) = exp((1−t)·ln r_a(q) + t·ln r_b(q))；+3. 预测云每个细胞围绕预测云质心取半径 r_i，经验分位 q_i = (rank+0.5)/n（stable argsort，确定性），r_tgt_i = interp(q_i, r_target)；+4. 径向位移 r_i' = r_i + λ·(r_tgt_i − r_i)，位移量 clip 到 ±CLIP·r_i，方向不变（x_i' = c + (r_i'/r_i)(x_i − c)）；+5. 照常 jitter + scale_to_rms（最终 RMS 被钉住，本步只改径向分布形状）。 -环境变量：`T2HI_GANISO_LAM`（默认 **0.0** = 关闭，早退，逐位无操作）、`T2HI_GANISO_CLIP`（默认 0.25）。单输入阶段 / 无括号走既有 copy_last 分支，本步不执行。视图无关：只用时间差 t、坐标数据；不读 board / 路径 / 阶段名 / 绝对时间。生物学先验：未使用（PLAN sources 为空）。+环境变量：`T2HI_RADIAL_LAM`（默认 **0.0** = 关闭，早退，逐位无操作）、`T2HI_RADIAL_CLIP`（默认 0.25）、`T2HI_RADIAL_MIN`（默认 20，任一侧或预测云细胞数不足即跳过）。单输入阶段 / 无括号走既有 copy_last 分支，本步不执行。视图无关：只用时间差 t 与坐标，不读 board / 路径 / 阶段名 / 绝对时间。生物学先验：未使用（PLAN sources 为空）。 -## 机制生效证据（proxy E8.25+E9.5→E8.75，t=0.4，seed 0，λ=1.0）+## 机制生效证据（proxy E8.25+E9.5→E8.75，t=0.4，seed 0） -- σ_a = [238.5, 202.6, 148.4]，σ_b = [250.9, 169.5, 168.2]，σ_t = [243.4, 188.6, 156.0]；轴比 σ_b/σ_a = [1.052, 0.837, 1.133]——第 2 轴偏离 10% 以上（−16%），机制有非平凡作用空间（PLAN 提前终止条件不触发）。-- V 的方向余弦：第 1 轴 ≈ (0.08, −0.99, −0.11)、第 2 轴 ≈ (−0.98, −0.06, −0.20)、第 3 轴 ≈ (0.20, 0.12, −0.97)——三轴近似与坐标轴对齐（第 3 轴 ≈ z 切片方向），参考系稳定、由全云主导。-- 实际缩放因子 s = [1.011, 1.064, 1.008]（λ=1）：第 2 轴 +6.4%，非全 1，机制确实在改变坐标（λ=0.5 时 s = [1.0055, 1.0320, 1.0039]）。-- 缩放前后投影标准差：σ_p = [240.7, 177.3, 154.8] → σ_post = [243.4, 188.6, 156.0]（λ=1 时精确到达 σ_t，clip 未触发）。-- 四组分变化（A 半）：expression_change 72.08 → 72.08（+0.00，机制不触碰表达，de_score 0.5435 / de_direction 0.6619 逐位不变）；cell_state 71.56 → 71.56（+0.00，mmd_u 0.02386 / variogram 0.022669 不变）；local_spatial 69.96 → 69.96（nbd 0.04145 → 0.04145/0.04140，λ=0.5/1 变化 <0.2%，远低于 10% 恶化阈）；shape_scale 52.51 → 52.23（λ=0.5）/ 51.99（λ=1）——组内 d2_shape raw 0.03915 → 0.03810 → 0.03725（改善），但 occupancy_dice raw 0.8246 → 0.8159 → 0.8080（劣化，skill 0.5246 → 0.4959 跌破地板），净效应为负。+- 校正前预测云径向剖面确实偏离目标（收缩压缩了外围）：q=0.76 处 pre=383.6 vs r_t=412.8（−7%），q=0.91 处 468.3 vs 482.3；内圈 q=0.10 处 pre=201.8 vs r_t=186.0（预测云内圈偏胖）。+- 位移确实发生且非零：λ=0.5 平均绝对径向位移 6.26，λ=1.0 为 12.44（RMS≈340 尺度下约 2–4%）；λ=1.0 时 post 剖面精确到达 r_t（q=0.76: 412.7≈412.8；q=0.91: 482.3=482.3；q=0.25: 246.6≈246.5），clip 基本未触发。+- 径向 CDF 五点以上对比（λ=1.0，pre→post）：q=0.00: 11.6→13.5；q=0.10: 201.8→186.3；q=0.25: 244.7→246.6；q=0.51: 311.1→315.2；q=0.76: 383.6→412.7；q=0.91: 468.3→482.3；q=1.00: 674.8→685.3。+- 四组分变化（A 半，对照 λ=0 → λ=0.5 → λ=1.0）：expression_change 72.08→72.08→72.08（机制不触碰表达，.X 逐位不变）；cell_state 71.56→71.56→71.56；local_spatial 69.96→≈69.96→70.01（nbd raw 0.04145→0.04140→0.04134，变化 <0.3%，远低于 5% 放弃阈，再次确认结构门余量充足）；shape_scale 52.51→≈51.9→51.51（**劣化**）。+- 排名指标方向：d2_shape raw 0.03915→0.04130→0.04358 随 λ **单调劣化**；occupancy_dice raw 0.8246→0.8208→0.8235，两个 λ 都低于对照（skill 0.5246→0.5178/0.5226）。 -## 关闭机制对照与网格（全部 vec-score A 半，同会话，seed 0，共 5 次查分 / 额度 20）+## 关闭机制对照与网格（全部 vec-score A 半，同会话，seed 0，共 3 次查分 / 额度 20） -对照 λ=0：与父 24（=父 17/19 管线）默认输出 `.X` 与 `obsm` 均 np.array_equal = **True**，A 半总分 **66.53**，八项 raw 与父会话逐位一致，基座复现确认。+对照 λ=0：与父 27（=父 17/19/24 管线）默认输出 `.X` 与 `obsm` 均 np.array_equal = **True**，A 半总分 **66.53**，八项 raw 与父会话逐位一致（d2 0.03915 / occ 0.8246 / nbd 0.04145），基座复现确认。  | 配置 | 总分 | d2_shape raw | occupancy_dice raw | nbd raw | shape_scale | |---|---:|---:|---:|---:|---:| | **λ=0（提交默认）** | **66.53** | 0.03915 | 0.8246 | 0.04145 | 52.51 |-| λ=0.5, clip=0.25 | 66.48 | 0.03810 | 0.8159 | 0.04140 | 52.23 |-| λ=1.0, clip=0.25 | 66.40 | 0.03725 | 0.8080 | 0.04145 | 51.99 |+| λ=0.5, clip=0.25 | ≈66.36 | 0.04130 | 0.8208 | 0.04140 | ≈51.9 |+| λ=1.0, clip=0.25 | 66.29 | 0.04358 | 0.8235 | 0.04134 | 51.51 | -**预注册放弃规则触发**：λ=1 时 occupancy_dice raw 改善 <0.005（实际 −0.0166，劣化）→ 提交 λ=0。未再扫 λ=0.3/0.7：d2_shape 收益与 occupancy_dice 损失均随 λ 单调，λ=0.5 已是两点内插且仍低于对照，无内部极大值迹象（与节点 24 相同的止损逻辑）。+**预注册放弃规则触发**：λ=0.5 时 occupancy_dice raw 改善 <0.005（实际 −0.0038，劣化）且 d2_shape raw 恶化 >0.002（实际 +0.00215）→ 按 PLAN 提交 λ=0，不再扫 λ=0.3/0.7（d2_shape 损失随 λ 单调，两点趋势已定）。  ## 结论与教训（本节点验证了什么、没验证什么） -- **证伪（本节点核心负结果）**："混抽云的全云轴比偏离两侧 log 插值目标"这一结构假设在代理上部分成立（轴比确被拉向 σ_t），但**把轴比校正到 log 插值目标不是 occupancy_dice 的改善方向**：occupancy_dice 在 ±3 RMS 的 16³ 网格上比较占据体素，对径向质量分布（壳层/空隙结构）敏感，而不仅是各轴二阶矩；沿第 2 轴拉伸 6.4% 使 d2_shape（尺度归一距离分布）变好的同时把占据体素推离真值网格。混抽 + 逐类型 aniso restore 后的全云轴比已经处在比 log 插值目标更优的位置。-- d2_shape 与 occupancy_dice 可以朝相反方向走（本节点实测），shape_scale 组内不存在"轴比对齐即全组改善"的单一杠杆。-- 未验证：λ∈{0.3, 0.7}、clip 更小值、"保体积各向异性"（s 归一化到 det=1）、只在 z 轴或只在 xy 内校正（放弃规则触发后未扫）；外推榜与胚榜（本节点只做 heart:val_interp）。-- 已验证：λ=0 输出与父逐位相同（np.array_equal .X/obsm）、vec-check ok（seed 0 与 seed 1）、单 seed 复跑确定。+- **证伪（本节点核心负结果）**："收缩压缩径向剖面导致 occupancy_dice 踩地板"的假设方向不成立：把径向剖面校正到两侧 log 插值目标后 occupancy_dice 不升反微降，d2_shape 显著单调劣化。原因分析：(1) 两侧云都被缩放到 target_rms=346，而真值 E8.75 的 RMS≈217（scale_log_ratio raw 0.467 说明预测已经过大），向两侧径向剖面匹配等于进一步向外扩张，把质量推向真值不占据的外围壳层，d2_shape（尺度归一距离分布）随之变差；(2) occupancy_dice 对 ±3RMS 网格做 RMS 归一后比较，scale_to_rms 已钉住 RMS，径向重排在归一化后净效应接近形状噪声；(3) 与节点 27 相同的教训再次出现：收缩+aniso restore 后的云在形状指标上已处在比"括号插值目标"更优的位置，收缩的系统性压缩对 d2/occupancy 反而有利（真值比两侧更小更致密）。+- 未验证：λ∈{0.3,0.7}（放弃规则触发后未扫）、clip 更小值、以真值方向（向内收而非向外扩）为目标的径向匹配（本代理上两侧剖面目标就是向外扩，方向由数据决定，无法在不引入保留阶段信息的前提下反转）、外推榜与胚榜。+- 已验证：λ=0 输出与父逐位相同（np.array_equal .X/obsm）、vec-check ok（λ=0/0.5/1.0 三个文件）、程序 1.6s 跑完、单 seed 确定。  ## 下一步建议 -- shape_scale 组的二阶矩类全局校正（RMS 缩放、轴比插值）已两轮证伪（节点 17/19/21 平台 + 本节点），若再挖需要**占据结构**层面的机制（径向密度剖面校正），且必须同时监控 d2_shape 与 occupancy_dice 的反向风险。-- 表达侧"修正 dp"方向维持关闭（节点 15/22/24 三次证伪）；de_score 提升需 Δ 之外的信息源（prior/ 或 external/ MOSTA E9.5），属新机制族 draft。-- neighborhood_mmd（skill 0.700，25 分权重最大）对坐标扰动极稳健（本节点 ±6% 轴缩放下 raw 变化 <0.2%），说明温和的全局坐标变形不消耗结构门余量——后续坐标机制可以把门风险预算花在别处。+- shape_scale 组至此已连续三轮证伪全局几何校正（节点 17/19/21 平台、27 轴比、本节点径向剖面）：二阶矩与径向一阶剖面子空间均已挖尽。代理数据表明预测云相对真值**整体过大**（RMS 346 vs 217），但 scale_to_rms 的目标来自两侧 log 插值，是管线里唯一直接控制绝对尺度的量——若还要挖 shape_scale，唯一未试的杠杆是让 target_rms 小于两侧 log 插值（等价于 scale_damp<1 的变体），但方法卡注明代理两端 RMS 都大、damp 在心脏榜几乎不动分，且这属于方法卡已扫过的 scale_damp 参数空间，预期收益低。+- 表达侧维持关闭（节点 15/22/24 三次证伪"修正 dp"）；de_score 提升需 Δ 之外的信息源（prior/ 通路注释或 external/ MOSTA E9.5），属新机制族 draft 节点。+- 坐标机制的结构门预算依然充足（本节点 ±4% 径向位移下 nbd raw 变化 <0.3%），但连续两轮的结果提示：在该管线上任何"向括号插值目标靠拢"的全局坐标变换都劣于现状，后续空间机制应转向类型间相对布局等更高阶结构，或直接停止在 shape_scale 上投入。diff --git a/solution/run.py b/solution/run.pyindex 9172c75..7c0175e 100644--- a/solution/run.py+++ b/solution/run.py@@ -10,7 +10,24 @@ 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. -Addition in this node (T2HI-05, global anisotropic axis-ratio time interpolation):+Addition in this node (T2HI-05, post-contraction radial density profile correction):+- env T2HI_RADIAL_LAM (default 0.0 = off, early-return bit-for-bit no-op),+  T2HI_RADIAL_CLIP (default 0.25), T2HI_RADIAL_MIN (default 20): after the+  contraction/aniso/centroid/ganiso chain and BEFORE jitter+scale_to_rms, each+  prediction cell is moved radially (direction unchanged) toward the+  log-time-interpolated radial quantile profile of the two full aligned side+  clouds: r_target(q) = exp((1-t) ln r_a(q) + t ln r_b(q)) over 100 equispaced+  quantiles; r_i' = r_i + lam*(r_target(q_i) - r_i), displacement clipped to+  +-clip*r_i, q_i = (rank+0.5)/n (stable sort, deterministic). MEASURED HARMFUL+  on proxy (A-half, seed 0): lam=0.5 -> ~66.36, lam=1.0 -> 66.29 vs control+  66.53; d2_shape raw 0.03915 -> 0.04130 -> 0.04358 monotonically worse,+  occupancy_dice raw 0.8246 -> 0.8208/0.8235 (no improvement), nbd raw change+  <0.3%. Both sides are scaled to target_rms=346 while the truth is ~217, so+  matching the bracket radial profile expands the cloud further outward. PLAN+  pre-registered abandon rule triggered; submitted default lam=0 reproduces the+  parent pipeline bit-for-bit (np.array_equal on .X and obsm verified).++Kept from parent (T2HI-05, global anisotropic axis-ratio time interpolation): - env T2HI_GANISO_LAM (default 0.0 = off, early-return bit-for-bit no-op),   T2HI_GANISO_CLIP (default 0.25): before mixing, the full aligned+scaled a/b   clouds define a fixed frame (centroid c0, top-3 SVD axes V) and per-axis@@ -186,6 +203,66 @@ def ganiso_scale(coords: np.ndarray, c0: np.ndarray, V: np.ndarray, sigma_t: np.     return out, {"active": True, "sigma_p": sigma_p, "s": s, "sigma_post": sigma_post}  +def radial_match(+    coords: np.ndarray,+    ca_full: np.ndarray,+    cb_full: np.ndarray,+    t: float,+    lam: float,+    clip: float,+    min_cells: int,+    n_q: int = 100,+):+    """Radial quantile matching toward the log-interpolated side profile (T2HI-05).++    r_a(q) / r_b(q) are the radial-distance quantile functions of the FULL+    aligned+scaled side-a / side-b clouds around their own centroids (n_q+    equispaced quantile points). Target r_target(q) = exp((1-t) ln r_a(q) ++    t ln r_b(q)). Each prediction cell with radius r_i (around the prediction+    centroid) and empirical quantile q_i = (rank+0.5)/n is moved radially to+    r_i' = r_i + lam*(r_target(q_i) - r_i) with the displacement clipped to+    +-clip*r_i; direction is unchanged. lam=0 is a bit-for-bit no-op (early+    return). Returns (coords, report dict).+    """+    if lam == 0.0 or coords.shape[0] < min_cells:+        return coords, {"active": False}+    if ca_full.shape[0] < min_cells or cb_full.shape[0] < min_cells:+        return coords, {"active": False}+    qs = np.linspace(0.0, 1.0, n_q)+    ra = np.linalg.norm(ca_full - ca_full.mean(axis=0), axis=1)+    rb = np.linalg.norm(cb_full - cb_full.mean(axis=0), axis=1)+    rq_a = np.quantile(ra, qs)+    rq_b = np.quantile(rb, qs)+    rq_t = np.exp((1.0 - t) * np.log(np.maximum(rq_a, 1e-9)) + t * np.log(np.maximum(rq_b, 1e-9)))+    c = coords.mean(axis=0)+    dev = coords - c+    r = np.linalg.norm(dev, axis=1)+    order = np.argsort(r, kind="stable")+    ranks = np.empty(len(r), dtype=np.float64)+    ranks[order] = np.arange(len(r), dtype=np.float64)+    q_i = (ranks + 0.5) / len(r)+    r_tgt = np.interp(q_i, qs, rq_t)+    dr = lam * (r_tgt - r)+    dr = np.clip(dr, -clip * r, clip * r)+    r_new = np.maximum(r + dr, 0.0)+    scale = np.divide(r_new, r, out=np.ones_like(r), where=r > 1e-12)+    out = c + dev * scale[:, None]+    rq_pre = np.quantile(r, qs)+    rq_post = np.quantile(np.linalg.norm(out - out.mean(axis=0), axis=1), qs)+    return out, {+        "active": True,+        "qs": qs,+        "rq_a": rq_a,+        "rq_b": rq_b,+        "rq_t": rq_t,+        "rq_pre": rq_pre,+        "rq_post": rq_post,+        "mean_abs_dr": float(np.abs(dr).mean()),+        "rms_pre": float(rms_radius(coords)),+        "rms_post": float(rms_radius(out)),+    }++ def colocalize(ca, la_sel, cb, lb_sel, t: float, gamma: float, min_count: int):     """Translate each shared type's two drawn sub-clouds onto their interpolated centroid. @@ -823,6 +900,26 @@ def run(view: str, out: str, seed: int) -> None:             )         else:             print("[ganiso] inactive (too few cells)", flush=True)+    rad_lam = float(os.environ.get("T2HI_RADIAL_LAM", "0.0"))+    rad_clip = float(os.environ.get("T2HI_RADIAL_CLIP", "0.25"))+    rad_min = int(os.environ.get("T2HI_RADIAL_MIN", "20"))+    coords, r_rep = radial_match(coords, ca, cb, float(t), rad_lam, rad_clip, rad_min)+    if r_rep["active"]:+        qs = r_rep["qs"]+        show = [0, 10, 25, 50, 75, 90, 99]+        print(+            f"[radial] lam={rad_lam} clip={rad_clip} min={rad_min} "+            f"mean_abs_dr={r_rep['mean_abs_dr']:.3f} rms {r_rep['rms_pre']:.1f}->{r_rep['rms_post']:.1f}",+            flush=True,+        )+        for j in show:+            print(+                f"  q={qs[j]:.2f}: r_a={r_rep['rq_a'][j]:.1f} r_b={r_rep['rq_b'][j]:.1f} "+                f"r_t={r_rep['rq_t'][j]:.1f} pre={r_rep['rq_pre'][j]:.1f} post={r_rep['rq_post'][j]:.1f}",+                flush=True,+            )+    else:+        print(f"[radial] inactive lam={rad_lam} min={rad_min}", flush=True)     coords = _jitter(coords, rng)     coords = scale_to_rms(coords, target_rms)     print(f"[out] n={expr.shape[0]} out_rms={rms_radius(coords):.1f}", flush=True)

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 T2HI-05 在父 27 坐标链末端（jitter/scale_to_rms 之前）实现径向分位数匹配——各细胞按径向分位向两侧全云 log 插值目标剖面位移，`T2HI_RADIAL_LAM/CLIP/MIN` 环境变量控制。λ=0 输出与父逐位相同（np.array_equal 验证），seed 确定，vec-check ok。

**查分结果**（A 半，3/20 次）：对照 λ=0 = 66.53；λ=0.5 ≈ 66.36；λ=1.0 = 66.29。机制确实生效（平均径向位移 6.3/12.4，q=0.76 处 383.6→412.7 精确到达目标），但 d2_shape raw 单调劣化（0.03915→0.04358）、occupancy_dice 无改善（0.8246→0.8208/0.8235）、nbd 变化 <0.3%。预注册放弃规则触发，**提交 λ=0**。

**下一步最值得试**：shape_scale 的全局几何校正子空间（RMS/轴比/径向剖面）已三轮证伪——两侧被缩放到 RMS 346 而真值 ≈217，任何"向括号目标靠拢"的变换都是向外扩、方向就错。建议停止在 shape_scale 投入；表达侧提升需 prior/ 或 external MOSTA E9.5 的新信息源（draft 节点）。

调研员

四组最弱，其中 occupancy_dice skill 0.507、scale_log_ratio skill 0.512 均几乎踩地板。节点 17/19/21/27 已证伪二阶矩类全局校正（轴比、RMS、质心），ANALYSIS 明确建议下一步需'占据结构层面机制（径向密度剖面校正）'。kNN 收缩（k=20,α=1.25）将细胞向型质心拉拢，系统性压缩细胞到全局质心的径向分布；aniso restore 只恢复型内方差，不修复型间径向压缩。这使预测云在 RMS 归一化后过于中心集中，外围体素空缺→occupancy_dice 踩地板。节点 27 证实 ±6% 全局坐标变形下 neighborhood_mmd raw 变化 <0.2%，门余量充足。",
  "approach": "在父管线坐标链（收缩→aniso restore）之后、jitter+scale_to_rms 之前插入径向分位数匹配：\n1. 计算预测云每个细胞到全局质心的距离 r_i，排序得经验分位 q_i；\n2. 分别取 a/b 两侧**全部**对齐后细胞的径向距离，计算各侧径向分位函数 r_a(q)、r_b(q)（对 100 个等分分位点线性插值）；\n3. 目标 r_target(q)=exp((1−t)·ln r_a(q)+t·ln r_b(q))；\n4. 位移 r_i'=r_i+λ·(r_target(q_i)−r_i)，方向不变（x_i'=centroid+(r_i'/r_i)(x_i−centroid)），径向位移量 clip 到 ±CLIP·r_i（T2HI_RADIAL_CLIP 默认 0.25）；\n5. 照常 jitter + scale_to_rms（最终 RMS 由 scale_to_rms 钉住，本步只改径向分布形状）。\n环境变量：T2HI_RADIAL_LAM（默认 0.0=关闭，逐位无操作）、T2HI_RADIAL_CLIP（默认 0.25）、T2HI_RADIAL_MIN（最少 20 细胞才执行，否则跳过）。\n搜索：先 λ=0 验证逐位一致（1 次查分）→λ=0.5→λ=1.0；若 0.5 时 occupancy_dice raw 改善≥0.005 且 d2_shape raw 不恶化>0.002，加测 λ=0.3/0.7 找最优；否则按预注册规则提交 λ=0。总查分≤5 次。单输入阶段/无括号走 copy_last 分支，本步不执行。视图无关：只用 t 和坐标。",
  "expected_groups": ["shape_scale"],
  "risks": "1) 收缩后的径向压缩可能恰好接近真值（收缩有未知正则化效果），校正反而拉远——Engineer 在 λ=0.5 时若 occupancy_dice raw 降>0.005 且 d2_shape raw 无改善即止损；2) 径向展开改变邻域覆盖半径→nbd 恶化——但节点 27 证明 ±6% 坐标变动 nbd 变化<0.2%，本机制径向位移量级类似，风险低；若 nbd raw 恶化>5% 即放弃；3) 分位数估计在细胞数少时不稳——设 MIN=20 门槛。",
  "family_id": "T2HI-05",
  "mechanism": "kNN 收缩系统性压缩径向密度剖面（型间距离缩短），本机制在收缩+aniso restore 后，按径向分位数匹配将每个细胞沿径向微调到时间插值目标剖面，恢复占据体素的外围填充，从而改善 occupancy_dice；scale_to_rms 保持最终 RMS 不变。",
  "vs_constant_shift": "常数位移对每个细胞施加相同向量（或全局缩放同一因子）；本机制按每个细胞的径向分位施加不同的径向位移（外围细胞可能外推、内圈细胞可能内收），改变的是径向分布的形状（高阶结构），不是一阶平移或二阶缩放。",
  "mechanism_evidence": "Engineer 应输出：(1) 校正前后径向 CDF 对比（至少 5 个分位点的数值），(2) 平均绝对径向位移量，(3) occupancy_dice raw 与 d2_shape raw 分别的变化方向与幅度，(4) nbd raw 变化确认 <1%。若 λ>0 时径向 CDF 无变化或位移全为 0，说明机制未运行。",
  "mechanism_off_control": "T2HI_RADIAL_LAM=0 时 r_i'=r_i，无位移，后续流程逐位不变；预期 λ=0 输出与父 27（=17/19/24 管线）.X 和 obsm 完全 np.array_equal，总分 66.53±1（A 半）。",
  "sources": []
}