总览 · ← 返回运行 20261003-171955-search-t2-embryo-interp-chain-12h

节点 n10

T2EI-01：类型组成 logit 插值 + 类型内残差保持的强度有界伪批量表达位移（s=5），坐标 procrustes3d 对齐后按阻尼 log-RMS 缩放，细胞按目标组成分层抽取，表达/坐标配对原样保留。

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 8d7ac0cf1e: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 +31 −0、solution/run.py +254 −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..065ffcc--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,31 @@+T2EI-01：类型组成 logit 插值 + 类型内残差保持的强度有界伪批量表达位移（s=5），坐标 procrustes3d 对齐后按阻尼 log-RMS 缩放，细胞按目标组成分层抽取，表达/坐标配对原样保留。++## 方法（family_id: T2EI-01，按 PLAN 实现）++1. 视图无关地从 `manifest["inputs"]` 按时间排序取目标的括号阶段 (a, b)，t=(target−a)/(b−a)，只用时间差，不看绝对时间/视图字段。无括号（单输入或外推）时退路 = 锚阶段细胞按类型分层抽到 [min_cells, max_cells] 原样输出（copy_last 式）。+2. **组成机制（T2EI_COMPOSITION，默认开）**：共有类型 q=expit((1−t)·logit(p_a)+t·logit(p_b))，logit 前 p clip 到 [0.005,0.995]；仅一端有的类型按该端权重保留（(1−t)p_a 或 t·p_b）；归一化后按 q 分配 n 个细胞，共有类型内部按 (1−t,t) 分到两端，无放回抽取。n = log 线性插值(n_a,n_b,t) 夹到榜的 [min,max]（proxy 上 = 5000）。+3. **表达机制（T2EI_STRENGTH，默认 s=5.0）**：共有类型 Δ=μ_b−μ_a（全阶段伪批量均值），只保留 |Δ|≥0.25（T2EI_DELTA_MIN）的基因；a 侧细胞 x+=s·t·Δ、b 侧 x−=s·(1−t)·Δ，只作用于 x>0 项、结果 clip≥0。型内残差 (x−μ) 在正项上原样保留（加的是型级常向量）。+4. 坐标：procrustes3d 对齐（共有类型质心 Kabsch，z 符号随旋转），两朵云缩到 target RMS = exp(log rms_a + 0.5·t·Δlog rms)（T2EI_SCALE_DAMP=0.5）；抽样细胞的坐标原样携带（不插值坐标点），重复坐标加 1e-4·RMS 抖动，最后整体恢复到 target RMS。表达与位置的配对因此保持真实。+5. 确定性：`np.random.default_rng(seed)`，无全局随机状态；纯 CPU（EXECUTION.json gpu=false），proxy 视图全程 <10 s。++## 机制生效的证据（proxy，E6.75+E8.0→E7.25，t=0.4，stderr 打印）++- 组成：输出 q 与线性 (1−t)p_a+t·p_b 明显不同（Unknown −0.034、EXE-Endoderm +0.013、Caudal Epiblast −0.008 等）；两侧抽样数 2739/2261，偏离 mix 的 3000/2000。+- 表达：11 个共有类型全部位移，|Δ|₁ 137–254；a 侧权重 s·t=2、b 侧 s·(1−t)=3，伪批量移到并越过型中点（s>1 部分被 x>0/clip≥0 截断）。+- 残差保持：位移是型级常向量，正项残差不变（结构性保证，未逐型打印相关系数）。+- 四组分（A 半，seed 0）：对照→开启 = cell_state 36.54→47.37、expression_change 59.8→62.08、shape_scale 74.91→76.42、local_spatial 54.38→57.99。++## 关闭机制对照（同一程序，T2EI_COMPOSITION=0 T2EI_STRENGTH=0）++- 输出退回 mix 式 (1−t,t) 分层混抽、表达不动：总分 56.40（cell_state 36.54），复现 mix 种子画像（~57、cell_state ~37）。+- 开启（默认）：总分 60.97；seed 1 复核 60.71。两机制分解：只开组成 55.19（组成机制单独反而略降，主要伤 mmd_u/邻域），只开表达 s=5 60.62；合开 60.97 ≈ 加性。++## 验证过 / 没验证++- 验证（proxy A 半，共 9 次查分）：s∈{0,1,3,5,6,8} 扫描，峰值平台 s=5–6（s=1 55.99→s=5 60.97→s=8 60.06）；Δ_min 0.25 vs 0.1 无差（60.97 两者）；seed 0/1 差 0.26（噪声内）；vec-check 通过；默认输出与显式参数输出逐字节一致（确定性）。+- 没验证：B 半与正式分；多输入阶段（final 视图 3 输入）实际运行——代码按括号选取应成立但未跑过该视图；无括号的 copy_last 退路未在真实外推榜上跑过；s>8、λ 型逐细胞加权（节点 8 的机制，本 draft 未混入）。++## 参数与知识来源++- 关键默认：align=procrustes3d、scale_damp=0.5（方法卡胚插值推荐值）、s=5.0、Δ_min=0.25、组成 logit clip 0.005。环境变量 T2EI_{COMPOSITION,STRENGTH,SCALE_DAMP,DELTA_MIN} 可覆盖（提交时默认=开启）。+- 生物学知识来源：仅方法卡/实验表内的既有事实（z 为离散切片轴、procrustes3d 在胚插值代理上形状最好、mix 的邻域稳定 52–55、|Δ|≥0.25 阈值沿用节点 5）；未使用任何保留阶段/基因型信息、外部文献数据。s=5 过冲优于 s=1 中点是纯经验结果（与节点 5/8 的 α=5 一致），与 PLAN 默认 s=1 不同，已按扫描数据改为 5。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..8b85989--- /dev/null+++ b/solution/run.py@@ -0,0 +1,254 @@+"""T2 interpolation: logit composition interpolation + bounded type-midpoint+expression interpolation on top of a mix-style coordinate frame (family T2EI-01).++Mechanism switches (env):+  T2EI_COMPOSITION  1 (default) = logit-interpolated type composition;+                    0 = mix-style (1-t, t) stratified draw of real cells.+  T2EI_STRENGTH     s (default 1.0) = bounded per-type expression displacement;+                    0 = no displacement (cells carried unchanged).+  T2EI_SCALE_DAMP   default 0.5, damping of the log-linear RMS interpolation.+"""++from __future__ import annotations++import argparse+import os+import sys++import numpy as np++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.shift import type_means+from src.task2_spatial.transport import as_dense+++def _env_float(name: str, default: float) -> float:+    raw = os.environ.get(name)+    if raw is None or raw.strip() == "":+        return default+    return float(raw)+++def _env_flag(name: str, default: bool) -> bool:+    raw = os.environ.get(name)+    if raw is None or raw.strip() == "":+        return default+    return raw.strip().lower() not in ("0", "false", "no", "off")+++def _fractions(labels: np.ndarray, types: list[str]) -> np.ndarray:+    n = max(len(labels), 1)+    return np.array([(labels == t).sum() / n for t in types], dtype=np.float64)+++def _logit(p: np.ndarray, eps: float = 0.005) -> np.ndarray:+    p = np.clip(p, eps, 1.0 - eps)+    return np.log(p / (1.0 - p))+++def _expit(z: np.ndarray) -> np.ndarray:+    return 1.0 / (1.0 + np.exp(-z))+++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()++    strength = _env_float("T2EI_STRENGTH", 5.0)+    comp_on = _env_flag("T2EI_COMPOSITION", True)+    scale_damp = _env_float("T2EI_SCALE_DAMP", 0.5)+    delta_min = _env_float("T2EI_DELTA_MIN", 0.25)++    view = args.data+    manifest = load_manifest(view)+    genes = panel_genes(view, manifest)+    lo = int(manifest["min_cells"])+    hi = int(manifest["max_cells"])+    rng = np.random.default_rng(int(args.seed))++    a_entry, b_entry, t = interp_bracket(manifest)++    # Fallback: no bracketing pair (e.g. single input stage) -> carry the anchor stage.+    if b_entry is None:+        stage = read_stage(view, a_entry, genes)+        n = int(np.clip(stage.n, min(lo, stage.n), hi))+        idx = take(stage.labels, n, rng) if n < stage.n else np.arange(stage.n)+        write_t2(args.out, as_dense(stage.X, idx), stage.coords[idx], genes, seed=args.seed)+        print(f"[T2EI] no bracket -> copy anchor stage, n={len(idx)}", file=sys.stderr)+        return++    stage_a = read_stage(view, a_entry, genes)+    stage_b = read_stage(view, b_entry, genes)+    la = np.asarray(stage_a.labels).astype(str)+    lb = np.asarray(stage_b.labels).astype(str)++    n = interp_count(stage_a.n, stage_b.n, t, lo, hi)++    # Coordinates: procrustes3d frame, both clouds scaled to a damped log-linear RMS.+    al_a, al_b, info = align_pair(stage_a.coords, stage_b.coords, la, lb, "procrustes3d")+    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(al_a, target_rms)+    cb = scale_to_rms(al_b, target_rms)++    types = sorted(set(la.tolist()) | set(lb.tolist()))+    pa = _fractions(la, types)+    pb = _fractions(lb, types)+    in_a = pa > 0+    in_b = pb > 0+    shared = in_a & in_b++    if comp_on:+        q = np.zeros_like(pa)+        q[shared] = _expit((1.0 - t) * _logit(pa[shared]) + t * _logit(pb[shared]))+        q[in_a & ~in_b] = (1.0 - t) * pa[in_a & ~in_b]+        q[~in_a & in_b] = t * pb[~in_a & in_b]+        q = q / q.sum()+    else:+        q = None++    idx_a_list, idx_b_list = [], []+    if q is None:+        ia, ib = mix_indices(la, lb, t, n, rng)+        idx_a_list.append(ia)+        idx_b_list.append(ib)+    else:+        counts = np.floor(q * n).astype(int)+        pools_a = {ty: np.flatnonzero(la == ty) for ty in types if (la == ty).any()}+        pools_b = {ty: np.flatnonzero(lb == ty) for ty in types if (lb == ty).any()}+        # first pass, capped by pool sizes+        ka = np.zeros(len(types), dtype=int)+        kb = np.zeros(len(types), dtype=int)+        for i, ty in enumerate(types):+            k = int(counts[i])+            if k <= 0:+                continue+            if shared[i]:+                k_a = int(round((1.0 - t) * k))+                k_a = min(k_a, pools_a[ty].size)+                k_b = min(k - k_a, pools_b[ty].size)+                if k_a + k_b < k:+                    k_a = min(k - k_b, pools_a[ty].size)+                ka[i], kb[i] = k_a, k_b+            elif in_a[i]:+                ka[i] = min(k, pools_a[ty].size)+            else:+                kb[i] = min(k, pools_b[ty].size)+        deficit = int(n - ka.sum() - kb.sum())+        # redistribute the floor/deficit surplus to types with spare pool capacity+        spare_a = np.array([max(pools_a.get(ty, np.empty(0)).size - ka[i], 0) for i, ty in enumerate(types)])+        spare_b = np.array([max(pools_b.get(ty, np.empty(0)).size - kb[i], 0) for i, ty in enumerate(types)])+        order = np.argsort(-(q + 1e-12))+        guard = 0+        while deficit > 0 and guard < 4 * len(types) + 8:+            progressed = False+            for i in order:+                if deficit <= 0:+                    break+                if spare_b[i] > 0 and (not shared[i] or spare_a[i] <= 0):+                    kb[i] += 1+                    spare_b[i] -= 1+                    deficit -= 1+                    progressed = True+                elif spare_a[i] > 0:+                    ka[i] += 1+                    spare_a[i] -= 1+                    deficit -= 1+                    progressed = True+            if not progressed:+                break+            guard += 1+        for i, ty in enumerate(types):+            if ka[i] > 0:+                idx_a_list.append(rng.choice(pools_a[ty], int(ka[i]), replace=False))+            if kb[i] > 0:+                idx_b_list.append(rng.choice(pools_b[ty], int(kb[i]), replace=False))++    idx_a = np.concatenate(idx_a_list) if idx_a_list else np.array([], dtype=int)+    idx_b = np.concatenate(idx_b_list) if idx_b_list else np.array([], dtype=int)+    idx_a = np.sort(idx_a)+    idx_b = np.sort(idx_b)++    # Expression: bounded, residual-preserving per-type displacement towards the type midpoint.+    Xa = as_dense(stage_a.X, idx_a) if idx_a.size else np.empty((0, len(genes)), dtype=np.float32)+    Xb = as_dense(stage_b.X, idx_b) if idx_b.size else np.empty((0, len(genes)), dtype=np.float32)+    labels_a_sel = la[idx_a] if idx_a.size else np.array([], dtype=str)+    labels_b_sel = lb[idx_b] if idx_b.size else np.array([], dtype=str)++    shift_report = []+    if strength != 0.0 and shared.any():+        means_a = type_means(stage_a.X, la)+        means_b = type_means(stage_b.X, lb)+        wa = float(strength) * float(t)+        wb = float(strength) * (1.0 - float(t))+        for ty in types:+            if not (ty in means_a and ty in means_b):+                continue+            d = (means_b[ty] - means_a[ty]).astype(np.float32)+            d = np.where(np.abs(d) >= delta_min, d, 0.0).astype(np.float32)+            if not np.any(d):+                continue+            ma = labels_a_sel == ty+            if ma.any():+                blk = Xa[ma]+                db = np.broadcast_to(d, blk.shape)+                pos = blk > 0+                upd = np.clip(blk[pos] + wa * db[pos], 0.0, None)+                new = blk.copy()+                new[pos] = upd+                Xa[ma] = new+            mb = labels_b_sel == ty+            if mb.any():+                blk = Xb[mb]+                db = np.broadcast_to(d, blk.shape)+                pos = blk > 0+                upd = np.clip(blk[pos] - wb * db[pos], 0.0, None)+                new = blk.copy()+                new[pos] = upd+                Xb[mb] = new+            shift_report.append((ty, int(ma.sum()), int(mb.sum()), float(np.abs(d).sum())))++    expr = np.vstack([Xa, Xb])+    coords = np.vstack([ca[idx_a], cb[idx_b]])++    # jitter exact-duplicate coordinates, then restore the target RMS+    rounded = np.round(coords, 5)+    _, inv, cnt = np.unique(rounded, axis=0, return_inverse=True, return_counts=True)+    if cnt.max() > 1:+        coords = coords.copy()+        dup = cnt[inv] > 1+        coords[dup] = coords[dup] + rng.normal(0.0, 1e-4 * (target_rms + 1e-8), size=(int(dup.sum()), 3))+    coords = scale_to_rms(coords, target_rms)++    write_t2(args.out, expr, coords.astype(np.float32), genes, seed=args.seed)++    # ---- mechanism evidence ----+    lin = (1.0 - t) * pa + t * pb+    print(f"[T2EI] t={t:.4f} n={expr.shape[0]} (from a: {len(idx_a)}, from b: {len(idx_b)}) "+          f"rms_a={rms_a:.1f} rms_b={rms_b:.1f} target_rms={target_rms:.1f} out_rms={rms_radius(coords):.1f} "+          f"z_dot={info.get('z_dot'):.3f} n_shared={int(shared.sum())}", file=sys.stderr)+    print(f"[T2EI] comp_on={comp_on} strength={strength} scale_damp={scale_damp}", file=sys.stderr)+    if comp_on:+        print("[T2EI] composition: type q_logit q_linear diff", file=sys.stderr)+        for i, ty in enumerate(types):+            if q[i] > 1e-4 or lin[i] > 1e-4:+                print(f"[T2EI]   {ty:<24s} {q[i]:.4f} {lin[i]:.4f} {q[i] - lin[i]:+.4f}", file=sys.stderr)+    for ty, na, nb, dmag in shift_report:+        print(f"[T2EI]   shift {ty:<24s} n_a={na} n_b={nb} |delta|_1={dmag:.2f}", file=sys.stderr)+++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

Done. Summary:

**做了什么**：从零实现 PLAN 的 T2EI-01 家族——类型组成 logit 插值（q=expit((1−t)logit(p_a)+t·logit(p_b))，单端类型按端权重保留）+ 类型内残差保持的有界伪批量表达位移（只移 x>0 项、|Δ|≥0.25 基因），坐标 procrustes3d 对齐 + scale_damp=0.5 的 RMS 缩放，细胞按目标组成分层无放回抽取（n=5000）。修复了一个关键 bug（布尔掩码索引副本导致表达位移原本未写回）。强度扫描 s∈{0,1,3,5,6,8} 峰值在 5–6，默认 s=5（与 PLAN 的 s=1 不同，扫描数据支持，METHOD.md 已注明）。

**查分结果**（proxy A 半，9/20 次）：关闭对照（COMPOSITION=0, STRENGTH=0）56.40，复现 mix 种子画像（cell_state 36.5）；默认开启 **60.97**（cell_state 47.4、expr 62.1、shape 76.4、local 58.0），seed 1 复核 60.71。分解：只开组成 55.19（单独略伤 mmd_u/邻域），只开表达 60.62，合开 ≈ 加性。确定性、vec-check、单输入退路均通过。

**下一步最值得试**：组成 logit 机制单独为负、与表达位移合成为正但幅度在噪声边缘——可试组成阻尼 λ（linear↔logit 混合）或把 logit 组成与节点 8 的逐细胞投影加权（λ=6）组合；cell_state 仍是四组最弱（47 vs 地板 50），压缩型内分布宽度（而非刚性平移）是最可能的增益点。

调研员

28，但它保留 mix 的组成、且 α=5 过冲；组成插值在全树中从未试过。本 draft 按控制器指定实现 T2EI-01：用 logit 线性插值定类型组成（新机制），配类型内残差保持的有界表达插值。",
 "approach": "1) 以 agent/seeds/T2__embryo__val_interp/mix 为基座（procrustes3d 对齐、scale_damp=0.5、分层抽样、n=5000），先复现 ~57 分确认管线正确。2) 视图文本无关地按时间排序取目标前后两个括号阶段，t=(target−a)/(b−a)，不硬编码时间标签。3) 组成插值：各类型比例 p_a、p_b，共有类型做 logit 插值 logit(q)=(1−t)·logit(p_a)+t·logit(p_b)（logit 前把 p clip 到 [0.005,0.995]），仅一端有的类型按该端权重保留，最后归一化得目标组成；按 q 分配 n 个细胞，共有类型内部再按 (1−t,t) 分到两端。4) 类型内表达插值：共有类型 Δ=μ_b−μ_a，仅保留 |Δ|≥0.25 基因；a 侧细胞 x+=s·t·Δ、b 侧 x−=s·(1−t)·Δ，只作用于 x>0 项、clip≥0（保留细胞残差）；强度 s 默认 1.0（恰好移到类型中点），环境变量 T2EI_STRENGTH 覆盖，搜索 [0.5,1.5]。组成开关 T2EI_COMPOSITION（0=退回 mix 的 (1−t,t) 分层组成）。5) 坐标完全不动（保形状/邻域）。6) 先 ~2000 细胞小样 vec-score 看 mmd_u 走向，再全量；cell_state 增益 <1 分时复查一次确认（T2 噪声 ~1）。7) 单输入阶段退路：括号阶段 <2 时关闭两机制，直接 copy_last 最近观测阶段。",
 "expected_groups": ["cell_state", "expression_change"],
 "risks": "1) logit 组成插值与线性差异可能很小（类型比例中等时两者接近）→ cell_state 增益落在噪声内；Engineer 应先打印输出类型组成与 (1−t,t) mix 的差值，若几乎不变说明机制没咬合。2) 有界强度 s=1 可能比节点 5 的 α=5 过冲位移在 DE（秩/方向型）上吃亏，若 expression_change 低于节点 5 可试 s→1.5。3) 组成变化会改变坐标云抽样，可能扰动当前很高的 shape_scale（74.43），需盯 d2_shape/occupancy_dice。4) 两端类型标签词表不一致时只取交集做共有类型。5) 小样本先跑，避免全量超时（30 分钟、20 次查分）。",
 "family_id": "T2EI-01",
 "mechanism": "用 logit 空间线性插值重排输出细胞类型组成（比例走平滑轨迹而非 (1−t,t) 直混），再对两端共有类型做残差保持的有界伪批量表达插值，把细胞推向类型中点。",
 "vs_constant_shift": "每型常数位移（如节点 5）不改变输出类型组成——组成仍停在 mix 的 (1−t,t)；全局组成重加权改组成却不改单细胞表达。本方案核心新机制是 logit 组成插值（重排各型细胞数量这一群体结构），并同时对每个细胞做有界、保留残差的表达插值；类型内分量虽是型级向量，但强度有界（移到中点而非 α=5 过冲）且与组成变化耦合，非单纯加常数。",
 "mechanism_evidence": "1) 打印输出类型组成，证明其偏离 (1−t,t) mix 且落在两端 logit 插值处；2) 逐类型报告伪批量均值位移≈s·t·Δ（向中点靠拢）；3) 细胞残差 (x−μ_self) 与原始相关≈1，证明残差保留；4) 四组分分解：cell_state（mmd_u/variogram skill）上升、expression_change 持平或升、local_spatial（neighborhood_mmd）不塌、shape_scale 基本不变（坐标未动）。",
 "mechanism_off_control": "同一程序设 T2EI_COMPOSITION=0 且 T2EI_STRENGTH=0：组成退回 mix 的 (1−t,t) 分层抽样、表达位移为 0，应逐位（或分数上）复现 mix 种子（~57 分、cell_state ~37）。预期差别：开启后 cell_state（mmd_u、variogram）明显上升而形状组不变；若关闭后输出与开启完全相同，说明机制未运行。",
 "sources": []}
```