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

节点 n5 在终选来历上

mix 混抽 + 共有类型时间差向量强收敛：a 侧细胞 +α·t·Δ_type、b 侧 −α·(1−t)·Δ_type（α=5，只移已表达项、只留 |Δ|≥0.25 基因），坐标不动。

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 ce70a2f10a: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 9b12f3efec。改动的文件：solution/METHOD.md +52 −0、solution/README.md +5 −5、solution/run.py +135 −11

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..f16e960--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,52 @@+mix 混抽 + 共有类型时间差向量强收敛：a 侧细胞 +α·t·Δ_type、b 侧 −α·(1−t)·Δ_type（α=5，只移已表达项、只留 |Δ|≥0.25 基因），坐标不动。++## 方法（family T2EI-01，PLAN 指定的类型级表达时间收敛）++在父节点 2 的 mix 管线（procrustes3d 对齐、scale_damp=0.5、按类型分层混抽 (1−t, t)、n=5000）之上，新增一步：++1. 对两个括号阶段都出现（各 ≥10 细胞）的类型，Δ_type = μ_b − μ_a（该类型两阶段伪批量均值差），只保留 |Δ| ≥ 0.25 的基因（与 DE 阈值一致，小变化视为噪声）。+2. 来自 stage_a 的该类型细胞：x ← clip(x + α·t·Δ, 0)；来自 stage_b 的：x ← clip(x − α·(1−t)·Δ, 0)。+3. **稀疏保持（关键结构修复）**：只对细胞中已表达（x>0）的项做位移，零项保持零。位移是逐类型常数向量，若不限制到已表达项，零元比例会从 93% 掉到 54%，细胞不再像真实细胞，variogram/mmd_u 崩溃（见下）。+4. 坐标完全不动 → 表达-位置配对（neighborhood_mmd）不因机制本身被破坏。+5. 单输入阶段退路：与父节点一致，分层复制最后观测阶段，不做位移。+6. 参数：α 默认 5.0，环境变量 `T2_CONVERGE_ALPHA` 覆盖（提交时保持打开）；α=0 为机制关闭对照。++## 机制生效证据（seed 0，proxy E6.75+E8.0→E7.25，t=0.4）++- α=0 输出与父节点 run.py 输出逐位相同（X 与坐标 array_equal=True），管线正确。+- α=5：10 个共有类型全部位移；型内表达标准差比 0.91（变化 <10%，型内结构未坍缩）；型间均值距离比 0.79（收缩）；零元比例 0.929→0.941（b 侧下移经 clip 略增，结构保持）。+- 加权伪批量几乎不动：抽样比例 (1−t, t) 使两侧位移在全局均值中精确抵消（α 大不改变整体均值，只消解型内端点双峰）；de_score 的变化来自 clip 的不对称。++## 对照与查分结果（A 半，seed 0，除注明外）++| 配置 | 总分 | cell_state | variogram skill | mmd_u skill | neighborhood skill |+|---|---:|---:|---:|---:|---:|+| α=0（对照=父节点） | 56.36 | 36.23 | 0.216 | 0.509 | 0.545 |+| α=0.5 稠密位移（无稀疏保持） | 56.02 | 27.33 | 0.097 | 0.450 | 0.496 |+| α=0.2 稠密 | ~55.4 | 30.64 | 0.126 | 0.487 | 0.527 |+| α=0.5 稀疏 | 56.63 | 37.10 | 0.228 | 0.514 | 0.544 |+| α=1.0 稀疏 | 56.95 | 38.33 | 0.243 | 0.524 | 0.544 |+| α=1.5 稀疏 | 57.41 | 40.03 | 0.262 | 0.539 | 0.545 |+| α=2.5 稀疏 | 58.81 | 44.33 | 0.315 | 0.572 | 0.557 |+| α=4 稀疏 | 60.27 | 47.42 | 0.357 | 0.592 | 0.576 |+| **α=5 稀疏（提交）** | **60.55** | **47.82** | **0.371** | **0.585** | **0.583** |+| α=6 稀疏 | 60.43 | 47.26 | 0.381 | 0.565 | 0.584 |+| α=10 稀疏 | 57.93 | 40.82 | 0.392 | 0.424 | 0.543 |+| α=5，seed 1 | 60.34 | 47.82 | - | - | - |++稠密位移（PLAN 原式，不加稀疏保持）在所有 α 上都比对照差：它同时打坏稀疏结构。机制的收益全部来自"稀疏保持 + 大 α"这一修正版。++## 验证过 / 没验证++- 验证：α=0 逐位复现父节点；α 网格 0.2–10（A 半，13 次查分）；平台在 4–6，取中值 5（对平台边缘最稳）；seed 0/1 分数一致（60.55 / 60.34）；输出确定（同 seed 逐位相同）；vec-check 通过；运行 ~30s、峰值内存远低于限值。+- 没验证：final 视图真实括号（E7.25+E8.0→E7.5，t=1/3）无法本地查分。α=5 远超 PLAN 的 {0.2..1.0} 建议区间，是在代理的大跨度括号（E6.75→E8.0，Δ 很大）上调出的；真实括号更窄、Δ 更小，同样的 α 产生的绝对位移也更小（Δ 正比于括号跨度），预期方向可迁移，但平台位置可能偏移。α=10 时 mmd_u 崩溃说明过冲有真实代价，故不取平台右缘。+- B 半噪声 ~1 分：+4.2（56.36→60.55）远超噪声，但正式分是 B 半，幅度可能不同。++## 知识来源++未使用任何文献/数据库先验；Δ_type 完全由视图内两个输入阶段现场计算（无保留阶段信息、无硬编码类型名/比例/表达值）。|Δ|≥0.25 阈值沿用评分简报中 DE 指标的显著性阈值，属通用约定而非禁窗知识。++## 风险与下一步++- variogram skill 仍只有 0.371（<0.5 地板）：型内端点双峰未完全消除。下一步可试：按分位数把 a 侧型内分布映射到插值分布，或对 Δ 位移加型内随机权重（保持共变结构）。+- occupancy_dice skill 0.369 一直很低且对表达机制不敏感（坐标项），是形状组剩余失分主因，需坐标侧改进。diff --git a/solution/README.md b/solution/README.mdindex d3647c3..aa33d1e 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,6 +1,6 @@-# mix（T2:embryo:val_interp）+# mix + 类型级表达时间收敛（T2:embryo:val_interp） -T2 方法卡的全胚插值选择：`mix`，align=procrustes3d（共有类型质心三维 Kabsch），scale_damp=0.5（目标 RMS 只走 log 线性的一半，防止代理上冲过真值）。其余同心脏 mix：括号两端按 (1−t, t) 分层抽真实细胞，表达和坐标一起走，细胞数夹到 [583, 5000]。-proxy（E6.75 + E8.0 → E7.25，t=0.4）预期 55.96（seed 0 实测 55.957，与方法卡一致；表达 59.1 / 状态 36.3 / 形状 73.6 / 邻域 54.9）。-final（E7.25 + E8.0 → E7.5，t=1/3）：n=5000，RMS 168.2，z_dot 0.93，共有类型 11，与 `data/processed/t2/T2__embryo__val_interp__mix.h5ad` 逐位相同。-已知弱点：细胞状态组只有 36（两端细胞混抽不像中间阶段）；scale_damp=0.5 是按代理慢增长段调的，真实括号 E7.25→E8.0 是快增长段，RMS 168 可能偏小。+父节点 mix（procrustes3d、scale_damp=0.5、分层混抽）之上新增：共有类型按 Δ=μ_b−μ_a+对 a 侧 +α·t·Δ、b 侧 −α·(1−t)·Δ 位移，只动已表达项、只留 |Δ|≥0.25 基因，clip≥0，坐标不动。+α 默认 5（`T2_CONVERGE_ALPHA` 可覆盖；α=0 逐位复现父节点）。proxy A 半：对照 56.36 → 60.55（seed 1：60.34）。+详见 METHOD.md。diff --git a/solution/run.py b/solution/run.pyindex 7ba73af..28df8a5 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,28 +1,150 @@ #!/usr/bin/env python3-"""mix (T2 interpolation): real cells from both bracketing inputs, drawn (1−t, t).+"""mix + per-type temporal expression convergence (T2 interpolation). -Brackets the target with the nearest inputs before and after it, puts both in-one frame (``ALIGN``), rescales both clouds to the log-linear RMS+Parent (node 2) mix: brackets the target with the nearest inputs before and+after it, aligns both clouds in one frame (procrustes3d on shared-type+centroids), rescales both to the damped log-linear RMS exp(log r_a + SCALE_DAMP·t·Δlog r), and draws cells stratified by type:-round(t·n) from the later stage, the rest from the earlier one. Expression and-coordinates travel together. n is log-linear in t, clipped to the board range.-Parameters are the T2 card's choice for this board (selected_params.json).-If the target is not bracketed, falls back to the latest input before it.+round(t·n) from the later stage, the rest from the earlier one. Coordinates+travel with the cells. n is log-linear in t, clipped to the board range.++New mechanism (CONVERGE_ALPHA, family T2EI-01): for every cell type present in+both bracketing stages (≥10 cells per side), compute its temporal change+vector Δ = μ_b − μ_a from the stage pseudobulk means, keeping only genes with+|Δ| ≥ 0.25 (the DE threshold; smaller changes are noise). Cells drawn from the+earlier stage get x ← x + α·t·Δ; cells from the later stage get+x ← x − α·(1−t)·Δ, applied only to entries already expressed in the cell and+clipped at 0. This moves the two endpoint sub-populations of each type toward+their intermediate state (opposite directions, type-specific magnitude).+Preserving the sparse on/off structure is essential: a dense per-gene shift+drops the zero fraction from 93% to 54% and collapses variogram/mmd_u.+Coordinates are untouched, so the expression–position pairing is preserved by+construction. α = 0 disables the mechanism and reproduces the parent mix+bit-for-bit under the same seed.++α = 5 (plateau 4–6 on the proxy bracket; α = 10 collapses mmd_u) is far above+the naive interpolation value α = 1: because the stratified draw weights+(1−t, t) exactly cancel the shifts in the overall pseudobulk, larger α does+not move the population mean but keeps collapsing the within-type endpoint+bimodality until clipping and over-shooting take over.++If the target is not bracketed, falls back to a stratified copy of the latest+input before it (no displacement possible without two stages). """  from __future__ import annotations  import argparse import json+import os import sys  import numpy as np -from src.task2_spatial.methods import interpolate-from src.task2_spatial.sample import take+from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.methods import _jitter+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 from src.task2_spatial.view_io import board_params, interp_bracket, load_manifest, panel_genes, read_stage, write_t2  PARAMS = {"align": "procrustes3d", "scale_damp": 0.5}+CONVERGE_ALPHA = float(os.environ.get("T2_CONVERGE_ALPHA", "5.0"))+# Only shift genes whose temporal change is real (|Δ| >= DE threshold) and only+# entries already expressed in the cell, so the sparse on/off structure of real+# cells is preserved (a dense per-gene shift destroys it and tanks variogram/mmd).+CONVERGE_MIN_DELTA = float(os.environ.get("T2_CONVERGE_MIN_DELTA", "0.25"))+CONVERGE_NNZ_ONLY = os.environ.get("T2_CONVERGE_NNZ_ONLY", "1") == "1"+++def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float):+    t = float(t)+    damp = float(params.get("scale_damp", 1.0))+    align = str(params.get("align", "procrustes"))+    rng = np.random.default_rng(int(params.get("seed", 0)))++    aligned_a, aligned_b, info = align_pair(stage_a.coords, stage_b.coords, stage_a.labels, stage_b.labels, align)+    rms_a = rms_radius(stage_a.coords)+    rms_b = rms_radius(stage_b.coords)+    target_rms = log_interp(rms_a, rms_b, t, damp)+    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, t, int(params["min_cells"]), int(params["max_cells"]),+                     float(params.get("count_damp", 1.0)))+    ia, ib = mix_indices(stage_a.labels, stage_b.labels, t, n, rng)++    xa = as_dense(stage_a.X, ia) if ia.size else np.zeros((0, len(stage_a.genes)), np.float32)+    xb = as_dense(stage_b.X, ib) if ib.size else np.zeros((0, len(stage_b.genes)), np.float32)++    conv = {"alpha": alpha, "n_shared_types_converged": 0, "within_type_std_rel": None,+            "between_type_mean_dist_rel": None}+    if alpha != 0.0 and ia.size and ib.size:+        means_a = type_means(stage_a.X, stage_a.labels)+        means_b = type_means(stage_b.X, stage_b.labels)+        la = np.asarray(stage_a.labels).astype(str)+        lb = np.asarray(stage_b.labels).astype(str)+        cnt_a = {k: int((la == k).sum()) for k in means_a}+        cnt_b = {k: int((lb == k).sum()) for k in means_b}+        shared = sorted(k for k in set(means_a) & set(means_b) if cnt_a[k] >= 10 and cnt_b[k] >= 10)+        delta = {}+        for lab in shared:+            d = (means_b[lab] - means_a[lab]).astype(np.float32)+            if CONVERGE_MIN_DELTA > 0:+                d = np.where(np.abs(d) >= CONVERGE_MIN_DELTA, d, np.float32(0.0)).astype(np.float32)+            delta[lab] = d+        if shared:+            before = np.vstack([xa, xb]).astype(np.float64)+            labs_a = np.asarray(stage_a.labels).astype(str)[ia]+            labs_b = np.asarray(stage_b.labels).astype(str)[ib]+            def _shift(block, w, d):+                out = np.clip(block + np.float32(w) * d, 0.0, None)+                if CONVERGE_NNZ_ONLY:+                    return np.where(block > 0, out, block)+                return out++            for lab in shared:+                d = delta[lab]+                ma = labs_a == lab+                if ma.any():+                    xa[ma] = _shift(xa[ma], alpha * t, d)+                mb = labs_b == lab+                if mb.any():+                    xb[mb] = _shift(xb[mb], -alpha * (1.0 - t), d)+            after = np.vstack([xa, xb]).astype(np.float64)+            # mechanism evidence: within-type std and between-type mean distance+            labs = np.concatenate([labs_a, labs_b])+            stds, dists_b, dists_a = [], [], []+            centroids = {}+            for lab in shared:+                m = labs == lab+                if m.sum() >= 5:+                    stds.append((after[m].std(axis=0).mean(), before[m].std(axis=0).mean()))+                centroids[lab] = (after[m].mean(axis=0), before[m].mean(axis=0))+            keys = list(centroids)+            for i in range(len(keys)):+                for j in range(i + 1, len(keys)):+                    dists_a.append(np.linalg.norm(centroids[keys[i]][0] - centroids[keys[j]][0]))+                    dists_b.append(np.linalg.norm(centroids[keys[i]][1] - centroids[keys[j]][1]))+            if stds:+                arr = np.array(stds)+                conv["within_type_std_rel"] = float(arr[:, 0].mean() / max(arr[:, 1].mean(), 1e-12))+            if dists_a:+                conv["between_type_mean_dist_rel"] = float(np.mean(dists_a) / max(np.mean(dists_b), 1e-12))+            conv["n_shared_types_converged"] = len(shared)++    expr = np.clip(np.vstack([xa, xb]), 0.0, None).astype(np.float32) if (ia.size or ib.size) else np.zeros((0, len(stage_a.genes)), np.float32)+    coord_parts = []+    if ia.size:+        coord_parts.append(np.asarray(ca[ia], dtype=np.float64))+    if ib.size:+        coord_parts.append(np.asarray(cb[ib], dtype=np.float64))+    coords = _jitter(np.vstack(coord_parts), rng)+    coords = scale_to_rms(coords, target_rms)+    info.update(+        t=t, n=int(expr.shape[0]), rms_a=rms_a, rms_b=rms_b, target_rms=target_rms,+        out_rms=rms_radius(coords), n_from_a=int(ia.size), n_from_b=int(ib.size), **conv,+    )+    return expr, coords.astype(np.float32), info   def main() -> None:@@ -44,8 +166,10 @@ def main() -> None:     stage_a = read_stage(args.data, a, genes)     stage_b = read_stage(args.data, b, genes)     params = board_params(manifest, "mix", PARAMS, args.seed)-    expr, coords, info = interpolate(stage_a, stage_b, t, params)-    keep = {k: info.get(k) for k in ("t", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped", "align")}+    expr, coords, info = mix_converge(stage_a, stage_b, t, params, CONVERGE_ALPHA)+    keep = {k: info.get(k) for k in ("t", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped",+                                     "align", "alpha", "n_shared_types_converged", "within_type_std_rel",+                                     "between_type_mean_dist_rel", "n_from_a", "n_from_b")}     print(json.dumps({"bracket": [a["stage"], b["stage"]], **keep}, default=float), file=sys.stderr)     write_t2(args.out, expr, coords, genes, seed=args.seed) 

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**：在父节点 mix 上实现 PLAN 的类型级时间收敛（T2EI-01），并做了一个关键结构修复——位移只作用于已表达项且只保留 |Δ|≥0.25 基因（稠密位移会把零元率从 93% 打到 54%，反而降分）。α 网格 0.2→10 扫描后取平台（4–6）中值 α=5，坐标不动。

**查分**（proxy A 半，14 次）：对照 α=0（与父节点逐位相同）56.36 → α=5 得 **60.55**（seed 1：60.34）；cell_state 36.2→47.8（variogram skill 0.216→0.371，mmd_u 0.509→0.585），neighborhood 0.545→0.583，DE 组略升。α=10 时 mmd_u 崩溃（0.424），故不取更高。vec-check 通过、同 seed 逐位确定、~30s CPU。

**下一步最值得试**：① variogram 仍低于地板——型内端点双峰未消尽，可试分位数映射或型内随机权重位移；② occupancy_dice skill 0.369 是形状组主要失分，需坐标侧改进（与表达机制正交）；③ 真实括号更窄（E7.25→E8.0，t=1/3），α 平台位置可能偏移，后续节点可在 final 视图验证 α∈[3,6] 的敏感性。

调研员

```json
{
  "name": "mix+类型级表达时间收敛（改善 cell_state/variogram）",
  "motivation": "父节点 2 的 cell_state 组仅 37.49，是四组中最弱的。拆到指标：variogram skill 0.228（得分 2.85/12.5，远低于地板 6.25），mmd_u skill 0.521（得分 6.52/12.5，刚过地板）。METHOD.md 已注明原因：两端真实细胞按比例混抽形成双峰分布，不像中间阶段。mix 只做了组成插值（抽哪边的细胞），没有做类型内表达插值（细胞表达值仍停在端点），导致混合后基因共变结构（variogram）和状态分布（mmd_u）都偏离中间目标。",
  "approach": "在 mix 框架上增加类型级表达收敛步骤：\n1. 对共有类型（两阶段都出现的类型），计算该类型在 stage_a 和 stage_b 的均值表达向量 μ_a, μ_b，得到时间变化向量 Δ = μ_b − μ_a。\n2. 来自 stage_a 的该类型细胞：x ← x + α·t·Δ；来自 stage_b 的：x ← x − α·(1−t)·Δ。α 为收敛阻尼，初值 0.5，搜索 {0.2, 0.3, 0.5, 0.7, 1.0}。t 为插值比例（proxy 上约 0.4）。\n3. 仅出现在单侧的类型不做位移。\n4. 坐标不动，保持表达-位置配对。\n5. 单输入阶段退路：无括号时直接复制最后阶段细胞，不做位移（与现有 fallback 一致）。\n6. vec-score 筛选：先跑 α=0（对照）和 α=0.5，比较 cell_state 组（重点看 variogram 和 mmd_u 的 skill）；若 variogram skill 升到 0.4 以上再细化 α；同时监控 neighborhood_mmd skill 不低于 0.5（结构门）、de_direction 不降。\n7. 表达值截断到 [0, +∞)，不引入负值。",
  "expected_groups": ["cell_state"],
  "risks": "1) α 过大导致型内方差坍缩，mmd_u 反而变差——Engineer 应在 α=1.0 时检查型内标准差是否降到真值的一半以下；2) 类型标签在两个阶段间不完全对应（n_shared_types 少），大部分细胞得不到位移——检查 info 里 n_shared_types，若 <5 则退化为全局均值收敛；3) 邻域组对表达微扰敏感——监控 neighborhood_mmd skill，若降到 0.5 以下立即降 α；4) 预期提升 ~3-5 分（cell_state 从 37→42+），大于 1 分噪声但需 2 次查分确认。",
  "family_id": "T2EI-01",
  "mechanism": "对共有类型，按该类型的实际时间变化向量 Δ 将端点细胞表达向中间收敛，收敛幅度由 α·t（或 α·(1−t)）控制，方向取决于细胞来源阶段。",
  "vs_constant_shift": "不是给所有细胞加同一个向量：(1) 位移向量 Δ 逐类型不同，正比于该类型真实时间变化；(2) 来自 stage_a 和 stage_b 的细胞位移方向相反（相向收敛，而非同向平移）；(3) 幅度由插值比例 t 和阻尼 α 共同决定。全局常数位移对所有细胞加同一 Δ，不区分类型和来源阶段，无法消除双峰。",
  "mechanism_evidence": "Engineer 应输出：(1) 位移前后每个共有类型的型内表达标准差（应基本不变，<10% 变化）；(2) 型间均值距离（应收缩 α·t 比例）；(3) variogram skill 和 mmd_u skill 的绝对值变化；(4) 若 α=0 时指标与父节点一致，说明管线正确。",
  "mechanism_off_control": "设 α=0（或命令行 --converge-alpha 0），所有细胞表达不做位移，输出应与父节点 mix 完全一致（相同 seed 下逐位相同）。若 α=0 与 α=0.5 的 variogram/mmd_u 无差别，说明机制未生效。",
  "sources": []
}
```

审查员

REVIEW.json written