Virtual Embryo Challenge更新于 10-03 22:49（北京时间） / 每 5 分钟更新

总览 · ← 返回运行 20261003-172000-search-t2-heart-extrap-chain-12h

节点 n32

rel速度底物重耦合：α=1.5乘法外推+γ=1.0全量逐细胞再归一+ε=0.4扩散基座，叠|v|分位数分层（前40%×1.15/其余×0.55）；坐标/组成/行序冻结

运行?一次完整的自动搜索或 Agent 会话，有自己的锁定配置和证据包。20261003-172000-search-t2-heart-extrap-chain-12h
父节点n30
子节点n34
操作?种子：人写的起点；改进：在父节点上改；草稿：从头写；修复：修父节点的报错。改进
状态已打分
分数搜索目标分 56.78（+1.3） · proxy_noscale 56.78（+1.3） · 3 次复测均分 56.78
审查通过 检查项1（越界读取）：未发现问题。run.py 只经框架接口 src/task2_spatial.view_io（load_manifest/read_stage/anchor_entry/extrap_step/panel_genes/write_t2）读视图内数据；全文无 open()/h5py/网络调用、无绝对路径、'..'、/mnt、/home、data/raw、downloads、评分器路径，也未读取目标阶段文件（只用 anchor_entry 与 extrap_step 返回的输入阶段）。; 检查项2（硬编码目标统计量）：未发现问题。所有常数（EPS=0.4、K_NN=15、AL…
用时?从运行开始到结束（或到现在）的挂钟时间。52 分
程序版本f2684b3ecb1473db99e5fb338275370b7b94e7b0 （programs.git）

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 f2684b3ecb:solution/METHOD.md

rel速度底物重耦合：α=1.5乘法外推+γ=1.0全量逐细胞再归一+ε=0.4扩散基座，叠|v|分位数分层（前40%×1.15/其余×0.55）；坐标/组成/行序冻结

方法（family T2HX-01，父节点 30 的 improve）

流水线（坐标、组成、细胞数、行序全程冻结）：

  1. 基座（node-23 算子）：锚阶段=最后一个输入，n 夹到 [min_cells, max_cells]（本视图 n=锚阶段全量 24826，无抽样，seed 无关），坐标 15-NN 图上 2 步支撑掩码扩散 ε=0.4（只动实测正值、保零模式），随后逐基因列缩放精确复原锚伪批量。
  2. rel 速度场（node-27/29 血统）：v_{t,g}=(m_a−m_p)/(m_p+1)，m=型内 log1p 均值（分母 ≥1，天然压低低表达噪声基因）。硬门控：型两阶段各 ≥30 细胞、基因 m≥0.05（两阶段）、|v|≤2 截断。软阈值 k=0.5（对 rel 场保留置信运动核心：本视图 31 型×500 基因中 407 对过门，|v| 分位 q50=0.596/q90=0.917/max=2.0）。
  3. 重耦合解码（本节点主要实测增益）：逐细胞乘法位移 x'=Y0·2^(α·soft_k(v_{t(i),g}))，α=1.5（rel 场幅度相对 log2 压缩，步长需重新耦合）；随后逐细胞线性(CP10k)总量以幂 γ=1.0 精确拉回自身基座总量（位移只改组成、不改文库大小）；PBC=10 亮度钳制（γ=1.0 下仅触及 6 个天然最亮细胞）。
  4. |v| 分位数分层（PLAN 机制，node-30 血统重耦合到 rel 场）：过门 (型,基因) 对按原始 |v| 降序，前 m=40% 分位（163 对，阈值 |v|≥0.627）有效步长 ×β_h=1.15，其余 60%（244 对）×β'_l=0.55；总位移近守恒（sum|v_eff| 71→73，+3.6%），是按速度可靠性重分配幅度而非放量。rel 场 |v| 分布与 log2 不同，分层用实际过门对的分位数，不用绝对阈值常数。
  5. 单输入退路：无前一阶段 → α 强制 0 → 逐位回到扩散基座（精确复原，std_dp=0）。

提交态参数：ε=0.4、k=0.5、α=1.5、γ=1.0、PBC=10、m=0.4、β_h=1.15、β'_l=0.55、V_CAP=2、GENE_FLOOR=0.05、MIN_TYPE_CELLS=30。全部为方法超参（A 半网格选定），无任何由已发布/保留阶段测量值算出的常数；不读阶段名与绝对时间（extrap_step/anchor_entry 只按时间排序取相对位置），机制无时间常数。

对照开关

  • --ablate mechanism：β_h=β'_l=1.0（同底物统一幅度）→ 输出逐位等于分层关底物（本机 h5 数据逐位比对已验证；A 半 56.43）。分层开（56.54 配置）与关输出不同 → mechanism_active=yes。
  • 二级对照 α=0（env VEC_ALPHA=0）→ 逐位=扩散基座（其自身无变化保护下 = copy_last 等效）。
  • env 探针（仅复现网格）：VEC_VEL(rel|log2) VEC_ALPHA VEC_KSOFT VEC_GAMMA VEC_EPS VEC_PBC VEC_STRAT_M/BH/BL VEC_VCAP；父节点 log2 态可由 VEC_VEL=log2 VEC_ALPHA=1 VEC_KSOFT=0.7 VEC_GAMMA=0.6 VEC_EPS=0.6 复原（本机已验证 diag 与父节点 METHOD 一致：n_high=1841、thr=1.372、sum 2799→2727）。

A 半查分网格（20 次额度全部用完；尺子 T2:heart:val_extrap/proxy_noscale）

#配置（rel 场，未注明即 ε=0.4、PBC=10、分层关）榜分de_scorede_dirmmd_uvariogramnbhd_mmd
Q1k0.5 γ0.3 α1.0（PLAN 字面 node-29 重建）53.50.1806.2845.0510.0540.0959
Q1b同上，PBC=052.87.1667.2756.0532.0567.0999
Q1ck0.5 γ0.75 α1.054.37.1944.3243.0495.0507.0905
—k0.5 γ0.9 α1.054.74.2083.3269.0488.0491.0884
—k0.5 γ0.75 ε0.654.47
—k0.5 γ1.0 α1.054.94.2083.3318.0484.0480.0871
—k0.25 γ1.0 α1.055.92.2083.3234.0480.0408.0805
—k0.5 γ1.0 α1.556.43.1944.3732.0468.0383.0797
—k0.5 γ1.0 α2.056.43.1944.3737.0504.0341.0814
—k0.25 γ1.0 α1.555.41.2083.3439.0586✗止损.0339.0880
Q2k0.5 α1.5 γ1.0 + 分层 m0.4/βh1.15/βl0.55（提交态）56.54.1944.3746.0481.0358.0798
—同上 βh=1.3（sum+15.8%）56.46.1944.3747.0500.0343.0810
—ε0.6 α1.5 γ1.056.16.1806.3663.0467.0386.0818
—k0.4 α1.5 γ1.056.44.1944.3679.0489.0358.0801
—α1.75 k0.5 γ1.056.53.1944.3724.0483.0356.0799
—VCAP1.5 α1.556.28.1944.3787.0468.0402.0801
—k0.25 α1.5 + 分层（sum 守恒 +0.0%）54.32.1944.3327.0668✗止损.0339.0965
Q9提交态但 β'l=0.7（sum+6.5%）56.54.1944.3737.0481.0358.0798
Q5提交态但 m=0.3（sum−1.5%）56.52.1806.3801.0479.0359.0798
—父节点 30 原样重测（log2 k0.7 γ0.6 ε0.6 绝对分层，本地逐位复现其 diag）55.16.1667.2069.0498.0391.0821

平台：{k∈[0.4,0.5], α∈[1.5,2.0], γ=1.0, ε=0.4, 分层∈{关, 1.15/0.55, 1.15/0.7, m0.3}} 全部 56.43–56.54，按“取平台中心不取单点尖峰”选提交态。父节点 30 同尺重测 A 半 55.16（与其 METHOD 自报 55.160 一致；55.44 是其 B 半节点分）→ 提交态 A 半对 A 半领先 +1.38，且五项排名原始值全部不劣于父（de_score .1667→.1944、de_dir .2069→.3746、mmd_u .0498→.0481、variogram .0391→.0358、nbhd .0821→.0798）。四组对比（同 A 半）：expression_change 55.32→58.67、cell_state 57.08→58.57、local_spatial 58.24→58.93、shape_scale 50.00→50.00（坐标冻结恒为地板）。

PLAN 判据的诚实评估

  1. 移植正确性检查未达 PLAN 预期：PLAN 字面的 node-29 重建（rel、k=0.5、γ=0.3、α=1、ε=0.4、PBC=10）A 半只有 53.50，不到预期的 ~56.2。其 de 两项与 node-29 公开记录几乎一致（de_dir .2845 vs .2837、de_score .1806 vs .1944），说明速度场方向重建正确，但分布三项（mmd_u/variogram/nbhd）远差于记录，且 γ=0.3→1.0、α=1→1.5 单调改善——node-29 的提交态应含未见于描述的再耦合（或 A/B 半平移大于预期），无法进一步考证（节点 29 代码不可得）。因此改为在 A 半上自行重耦合底物（γ、α 扫描），这构成本节点的实际增益来源。
  2. PLAN 机制（分层）在 rel 场上未过判据：分层开 56.54 vs 同底物分层关 56.43，+0.11 < 1.0 判据线，在噪声（~1 分）内；de 两项 ≥ 分层关（.3746≥.3732 / .1944=.1944）、mmd_u 0.0481≤0.055 ✓，但增益不成立 → “rel 场上 |v| 分位分层”作为增益来源被证否（βh1.15/1.3、βl0.55/0.7、m0.3/0.4 六点全在 ±0.11 内，另 k0.25 宽场+分层击穿 mmd_u 0.0668）。rel 的 /(m_p+1) 已天然压低低表达噪声对，k=0.5 后仅剩 407 个高置信对，分层无多少可重分配的“不可靠尾巴”——与 PLAN 风险 1 的预判一致。
  3. 未交 NO_CHANGE 的理由（任务书 §2：PLAN 被证否时应交针对同一弱项的备选机制，而非原样退回父节点）：备选机制=rel 速度场与解码的再耦合（α=1.5 幅度重标定 + γ=1.0 逐细胞 CP10k 总量精确守恒 + ε=0.4），针对父节点最弱可改善组 expression_change（同 A 半 55.32→58.67，de_direction 原始值 .2069→.3746），整体 +1.38 A 半分（55.16→56.54，父节点同尺重测）。分层保留在提交态中（平台内边际非负、定义 --ablate 对照），但 METHOD 明确声明其非增益来源。
  4. PLAN 预过滤偏离说明：过门对 407 < PLAN 预设的 1000（rel+k0.5 的实际场比 PLAN 假设更稀疏），分层仍良定义（163/244 分割、sum|v_eff| 偏差 +3.6% < 20%），故未按退化处理而照常查分；k0.25 宽场（2116 对 ≥1000）的分层版本实测反而击穿止损（见网格）。

机制生效证据（PLAN mechanism_evidence 对应项）

  • 重分配而非放量：sum|v_eff| 71→73（+3.6%，±20% 内）；β 调度=前 40% 分位（|v|≥0.627）×1.15、其余 ×0.55；|v| 分位阈值 q10–q99 全部打印在运行日志。
  • 因果隔离：--ablate mechanism 输出逐位=分层关底物（h5 数据逐位比对 True）；full≠ablate（True）。分层改变 163 对高 |v| (型,基因) 的步长，覆盖有速度型的绝大多数细胞（31 型中过门型全部，24788/24826 细胞有速度，38 细胞无速度型保持基座值）。
  • 四组分（A 半，分层开−分层关）：expression_change 58.64→58.67（+.03）、cell_state 58.11→58.57（+.46）、local_spatial 58.98→58.93（−.05）、shape_scale 不变；vs 父节点 30 同 A 半重测（55.32/57.08/58.24/50.00）：+3.35 / +1.49 / +0.69 / 0。
  • 止损：mmd_u 0.0481 ≤ 0.055 ✓；variogram 0.0358 优于父节点 0.0384 ✓。

稳健性（已实测）

  • 纯 CPU 3.2 s / 峰值 RSS 0.97 GB（限额 28 GB / 30 min）；vec-check 通过（final 与 ablate 输出均 ok）。
  • seed 0/1/2 输出逐位相同（本视图 n=锚阶段全量，无随机抽样路径；有抽样时也仅由 seed 决定）。
  • 伪装视图（文件改名、manifest 键序打乱+重排版、全部时间 +1、换路径）输出逐位相同；程序不读 board/mode 做分支、无视图/数据集名、无写死细胞数。
  • 单输入视图（自建测试视图）：α→0，输出=扩散基座（std_dp=0），不崩。
  • 确定性：机制不消耗随机数；np.random.default_rng(seed) 仅用于细胞抽样。

未验证 / 风险

  • 全部读数来自 A 半；正式分用 B 半（各自地板/天花板）。外推榜有“本地领先到正式缩水”的历史教训（方法卡：本地 54.2→官网 49.6），+1.10 的 A 半领先在 B 半可能缩小；已按平台选参而非单点尖峰以降低该风险。
  • 真实 final 视图（3 输入、锚阶段可能超 max_cells 触发分层抽样、prev/anchor 时间差不同）未实测；程序路径全部按 manifest 相对量计算，无绝对时间常数。
  • α 平台在 A 半上 1.5–2.0 等价，B 半最优可能偏移；γ=1.0 的精确总量守恒使 PBC 钳制几乎失效（6 细胞），亮度尾巴风险由 γ 而非钳制承担。
  • 分层（+0.11，噪声内）保留与否对分数无实质影响；若审查认为噪声级机制不应保留，--ablate 输出（56.43）即其去除态。

知识来源

  • 无外部数据（external/ 未读取）、无 prior/ 文件、无文献数值。方法学知识全部来自本树已验证节点（21/23/24/25/27/29/30 的机制与教训）；速度、门控、分位阈值、钳制界全部由视图两个输入阶段现场计算。生物学假设仅为通用机制知识：细胞类型的转录速度（型内伪批量相对变化）可外推下一区间的调控程序走向（谱系推进、信号驱动的 TF 级联），与已发表节点的用法一致，不含任何保留阶段/基因型的测量值。

调研员的计划

名称rel速度底物上重耦合幅度分层外推（节点29基座+节点30分层）
动机父节点30（55.44）四组除 shape_scale=50.00（坐标冻结、proxy_noscale 上 scale_log_ratio 被钉住为盲区、且 T2HX-07 空间先验只在 final 可用，故本榜不可改善）外均高于地板；最弱可改善组是 expression_change=55.27（de_score skill 0.548、de_direction skill 0.557，为非形状项中最低）。当前最佳节点29（56.26）证明 rel 速度 v=(m_a−m_p)/(m_p+1)+ε=0.4 平滑底物显著更优：de_direction 0.2837 vs 30 的 0.2038、de_score 0.1944 vs 0.1667、mmd_u 0.04669 vs 0.04864、neighborhood_mmd 0.07569 vs 0.07817。而节点30已被证明有效的幅度分层（前40%×1.15/其余×0.55，两项 DE 同升、总位移守恒）只在更弱的 log2+ε=0.6 底物上测过。两个已被证明有效的部件从未组合（任务书明确允许组合有效部件，且节点29本身就是'移植'先例）。节点30网格的平坦平台（m∈[0.3,0.45] 均≈55.0）说明硬阈值不是约束，真正杠杆是底物+把分层重耦合到 rel 场。
做法步骤1（移植节点29底物进 run.py）：rel 速度 v_{t,g}=(m_a−m_p)/(m_p+1)（m=型内 log1p 均值，下界−1；硬门控：型两阶段各≥30细胞、基因 pb≥0.05、|v|≤2）+ 坐标15-NN 图2步支撑掩码扩散 ε=0.4（保零、逐基因列缩放精确复原伪批量）+ 逐细胞乘法解码 x·2^(α·soft_k(v))，α=1、软阈值 k=0.5（承节点29，非节点30的0.7，因 k=0.5 已对 rel 场调过）。坐标/组成/行序/细胞数冻结。步骤2（本节点机制=分层重耦合）：因 rel 的 |v| 分布与 log2 不同（有界、动态范围不同），不得沿用节点30绝对阈值 |v|=1.372；改按实际过门 (型,基因) 对 |v| 的分位数分层：上 m% 分位×β_h、其余×β'_l，总位移近守恒，并同步重耦合 γ（分层改变了逐细胞总量分布，节点29的 γ=0.3 是无分层时的最优，需重扫）。先做无查分诊断：打印 |v| 分位数、过门对数、分层前后 sum|v_eff|；预过滤退化配置（过门对<1000 或 sum|v_eff| 偏差>±20% 不查分，沿用节点30做法）。步骤3（vec-score A半网格，约12次）：Q1=分层关(β_h=β'_l=1)、γ=0.3，必须≈节点29(~56.2)作为移植正确性+本节点机制的关闭基线；Q2–4=分层开(m=0.4,β_h=1.15,β'_l=0.55)、γ∈{0.3,0.4,0.5}；Q5–6=取最优γ、m∈{0.3,0.5}；Q7–8=取最优m、β_h∈{1.1,1.2}；Q9=取最优、β'_l=0.7；Q10=最优配置 seed1 复现；余约8次留作复跑/边界。步骤4（判据）：最优分层开须比 Q1（分层关，同底物）高>1.0 A半分，且 de_score 与 de_direction 同时≥Q1、mmd_u≤0.055 止损，差值须过 seed1；不满足则机制被证否，按 NO_CHANGE 提交（默认输出逐位=父节点30）。单输入退路：无前一阶段则无 rel 速度→α 强制为0→逐位=copy_last。视图无关：不读任何阶段名/时间，机制无时间常数。
风险1) 分层在 rel 底物上边际收益≈0（rel 的 /(m_p+1) 已天然压低低表达噪声基因，分层或变冗余）→机制未生效；Engineer 应在 Q1 vs Q2–4 配对 A 半最先发现，Δ<1 即停止查分并提交 NO_CHANGE，不烧预算。2) 与兄弟节点31（父=29，很可能也加分层）撞车→本方案以'|v|分位数自适应分层+γ重耦合'为差异点；若最终配置与既有节点逐位相同，提交 NO_CHANGE 而非复制。3) 更干净的 rel 场上 β_h 过高可能击穿 mmd_u→β_h≤1.2、止损 mmd_u≤0.055。4) 外推榜本地高估（ANALYSIS 教训：本地领先到正式缩水、分组方向可相反）→要求多配置平台+seed1 复现+>1 分边际，不追单点最高。5) rel |v| 分位退化（过门对太少）→无查分诊断预过滤。6) 移植 bug→Q1 必须复现节点29(~56.2)，明显偏低先调试再继续。

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 0f7ef5099f。改动的文件：solution/METHOD.md +72 −92、solution/README.md +17 −15、solution/run.py +154 −181

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 89729d9..ad1446c 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,99 +1,79 @@-速度幅度分层位移（T2HX-01/T2HX-04）：对过门控的按型(型,基因)速度对按|v|降序分层，前40%高信号对用α×1.15、其余60%压缩到α×0.55，总位移量守恒地重分配外推幅度。--## 方法--基座 = 父节点 26/28 提交态（逐位承继）：copy_last 锚阶段（n 夹到 [min_cells, max_cells]、-`take` 分层）→ 坐标 15-NN 图 2 步支撑掩码扩散 ε=0.6 → 逐基因列缩放精确复原伪批量 →-按型 log2 速度 v_{t,g}=log2(pb_anchor)−log2(pb_prev)（硬门控：型两阶段各 ≥30 细胞、-型内 pb ≥0.05、|v|≤2）→ 软阈值 k=0.7 → 逐细胞乘法位移 x·2^(α·v_soft)，α=1 →-逐细胞线性总量回拉 γ=0.6。坐标、组成、细胞数、行序冻结（形状三项恒 = 地板）。--**本节点新机制（幅度分层）**：软阈值门控后，对全部过门 (型,基因) 对（本视图 4603 对）按-原始 |v_{t,g}| 降序全局排序；前 m=40%（1841 对，阈值 |v|≥1.372）乘 β_h=1.15，其余 60%-（2762 对）乘 β_l=0.55。有效位移场从统一幅度变为可靠性加权幅度：高 |v|（发育程序核心-驱动基因，方向证据可靠）获得更大外推步长，低 |v|（节点 28 已证明是 de_direction 的稀释-项）被压缩。sum|v_eff| 2799→2727（−2.6%），是**重分配而非放量**。--`--ablate mechanism`（PLAN mechanism_off_control）：β_h=β_l=1.0，分层退化为统一幅度，-输出**逐位等于父节点**（本机 np.array_equal 验证 X / 坐标 / 基因序 / 细胞序，-`preds/final_ablate.h5ad` vs `preds/parent_default.h5ad` = True）。--## 查分记录（A 半，`T2:heart:val_extrap/proxy_noscale`，共 18 次，余 2）--父节点同半基线 54.87（节点 28 ANALYSIS 配对实测；本节点默认关闭态与其逐位相同）。-PLAN 网格 27 配置先本地诊断 sum|v_eff|，16 个通过 ±20% 过滤（预算内选出 6+6+4 覆盖-全部 m、β、β' 维度的代表点），全部查分如下（board = 四组均分）：--| # | m | β_h | β'_l | sum\|v_eff\|(dev) | board | de_score | de_dir | mmd_u | nbh_mmd |-|---|---|---|---|---|---|---|---|---|---|-| 1 | 0.3 | 1.2 | 0.7 | 2774 (−0.9%) | 55.105 | 0.1528 | 0.2123 | 0.0505 | 0.0825 |-| 2 | 0.3 | 1.3 | 0.7 | 2937 (+4.9%) | 54.935 | 0.1528 | 0.2086 | 0.0531 | 0.0838 |-| 3 | 0.4 | 1.2 | 0.7 | 2949 (+5.4%) | 55.118 | **0.1806** | 0.2024 | 0.0512 | 0.0828 |-| 4 | 0.5 | 1.2 | 0.7 | 3087 (+10.3%) | 54.978 | 0.1667 | 0.1971 | 0.0516 | 0.0833 |-| 5 | 0.3 | 1.2 | 1.0 | 3125 (+11.6%) | 54.998 | 0.1667 | 0.2004 | 0.0514 | 0.0832 |-| 6 | 0.3 | 1.5 | 0.7 | 3263 (+16.6%) | 54.291 | 0.1528 | 0.2011 | **0.0597**(止损) | 0.0887 |-| 7 | 0.35 | 1.2 | 0.7 | 2866 (+2.4%) | 55.078 | 0.1667 | 0.2015 | 0.0509 | 0.0827 |-| 8 | 0.45 | 1.2 | 0.7 | 3022 (+8.0%) | 55.025 | 0.1667 | 0.1987 | 0.0512 | 0.0830 |-| 9 | 0.4 | 1.15 | 0.7 | 2727 (−2.6%) | 55.112 | 0.1667 | 0.2042 | 0.0500 | 0.0824 |-| 10 | 0.4 | 1.2 | 0.55 | 2827 (+1.0%) | 55.110 | 0.1667 | 0.2045 | 0.0510 | 0.0826 |-| 11 | 0.4 | 1.25 | 0.7 | 3027 (+8.2%) | 54.975 | 0.1667 | 0.2020 | 0.0527 | 0.0835 |-| 12 | 0.45 | 1.2 | 0.55 | 2921 (+4.4%) | 55.065 | 0.1667 | 0.1997 | 0.0510 | 0.0828 |-| 13 | 0.4 | 1.15 | 0.55 | 2727 (−2.6%) | **55.160** | 0.1667 | 0.2069 | 0.0498 | 0.0821 |-| 14 | 0.4 | 1.2 | 0.4 | 2705 (−3.4%) | 55.153 | 0.1667 | 0.2076 | 0.0508 | 0.0823 |-| 15 | 0.3 | 1.2 | 0.55 | 2599 (−7.1%) | 55.163 | 0.1528 | 0.2156 | 0.0502 | 0.0822 |-| 16 | 0.35 | 1.25 | 0.55 | 2810 (+0.4%) | 55.043 | 0.1667 | 0.2021 | 0.0521 | 0.0831 |-| 17 | =13, seed 1 | | | | 55.160 | 0.1667 | 0.2069 | 0.0498 | 0.0821 |-| 18 | =3, seed 1 | | | | 55.117 | 0.1806 | 0.2024 | 0.0512 | 0.0828 |--未查分的 11 个过滤通过配置是网格内部冗余点（与已查点差 ≤0.05 的 β'/m 组合）；β_h=1.5-在 m=0.3 即触发 mmd_u>0.055 止损（#6），更高 m 只会更差，按 PLAN 止损规则不再查。--**提交选择 #13（m=0.4, β_h=1.15, β'_l=0.55）**，理由：board 55.160（全表并列最高，高于-父 +0.29）；两项 DE 同时严格高于父（0.1667>0.1528、0.2069>0.1961，PLAN 成功判据）；-mmd_u/nbh 退化全表最小（0.0498/0.0821）；sum|v_eff| 偏差 −2.6% 最接近守恒；m=0.4 在-网格内部（避 PLAN 风险 3 的边界问题，m∈[0.3,0.45] 是 ≥55.0 的平坦区，最优点不在边界-尖峰上）。#15 board 相同但 m=0.3 在网格边界且 de_score 不高于父；#3 de_score 最高-(0.1806) 但 de_dir/mmd/nbh 均劣于 #13，且 de_score 的 0.0139 量化步长（≈1 个基因命中）-在 B 半迁移风险更高。--## 机制生效证据（PLAN mechanism_evidence 四条）--1. **位移重分配而非总量膨胀**：sum|v_eff| 2799→2727（−2.6%）；高信号组 1841 对 ×1.15，-   低组 2762 对 ×0.55（run.py 打印 `[diag] strat ...`）。-2. **de_score 与 de_direction 同时 ≥ 父**：0.1667>0.1528 且 0.2069>0.1961 ✓。-3. **mmd_u / neighborhood_mmd 在容差内**：mmd_u 0.0473→0.0498（+0.0025 ≤ PLAN 容差-   ±0.003）；nbh 0.0796→0.0821（+0.0025 ≤ ±0.005）✓。-4. **高信号组 = |v| 上尾**：全局排序阈值 |v|=1.372（过门对 |v|∈(0.7,1.3] 的上 40%；-   实际因 V_CAP=2 截断，|v| 范围 (0.7, 2.0]）。-5. 四组分变化（A 半）：expression_change 54.93→55.32，cell_state 56.82→57.08，-   local_spatial 58.62→58.24，shape_scale 50→50（坐标冻结不变）。机制改变了全部 31 个-   有速度型的细胞的表达（4603 个过门 (型,基因) 对的位移幅度全部被重加权；24826 个输出-   细胞中除 38 个无速度型细胞外全部受影响）。-6. 对照：`--ablate mechanism` 输出逐位 = 父节点 → 与默认输出的差异全部来自分层机制-   （mechanism_active 应为 yes）。+rel速度底物重耦合：α=1.5乘法外推+γ=1.0全量逐细胞再归一+ε=0.4扩散基座，叠|v|分位数分层（前40%×1.15/其余×0.55）；坐标/组成/行序冻结++## 方法（family T2HX-01，父节点 30 的 improve）++流水线（坐标、组成、细胞数、行序全程冻结）：++1. **基座**（node-23 算子）：锚阶段=最后一个输入，n 夹到 [min_cells, max_cells]（本视图 n=锚阶段全量 24826，无抽样，seed 无关），坐标 15-NN 图上 2 步支撑掩码扩散 ε=0.4（只动实测正值、保零模式），随后逐基因列缩放**精确复原**锚伪批量。+2. **rel 速度场**（node-27/29 血统）：v_{t,g}=(m_a−m_p)/(m_p+1)，m=型内 log1p 均值（分母 ≥1，天然压低低表达噪声基因）。硬门控：型两阶段各 ≥30 细胞、基因 m≥0.05（两阶段）、|v|≤2 截断。软阈值 k=0.5（对 rel 场保留置信运动核心：本视图 31 型×500 基因中 407 对过门，|v| 分位 q50=0.596/q90=0.917/max=2.0）。+3. **重耦合解码**（本节点主要实测增益）：逐细胞乘法位移 x'=Y0·2^(α·soft_k(v_{t(i),g}))，**α=1.5**（rel 场幅度相对 log2 压缩，步长需重新耦合）；随后逐细胞线性(CP10k)总量以幂 **γ=1.0 精确拉回自身基座总量**（位移只改组成、不改文库大小）；PBC=10 亮度钳制（γ=1.0 下仅触及 6 个天然最亮细胞）。+4. **|v| 分位数分层**（PLAN 机制，node-30 血统重耦合到 rel 场）：过门 (型,基因) 对按原始 |v| 降序，前 m=40% 分位（163 对，阈值 |v|≥0.627）有效步长 ×β_h=1.15，其余 60%（244 对）×β'_l=0.55；总位移近守恒（sum|v_eff| 71→73，+3.6%），是按速度可靠性**重分配**幅度而非放量。rel 场 |v| 分布与 log2 不同，分层用实际过门对的分位数，不用绝对阈值常数。+5. 单输入退路：无前一阶段 → α 强制 0 → 逐位回到扩散基座（精确复原，std_dp=0）。++**提交态参数**：ε=0.4、k=0.5、α=1.5、γ=1.0、PBC=10、m=0.4、β_h=1.15、β'_l=0.55、V_CAP=2、GENE_FLOOR=0.05、MIN_TYPE_CELLS=30。全部为方法超参（A 半网格选定），无任何由已发布/保留阶段测量值算出的常数；不读阶段名与绝对时间（extrap_step/anchor_entry 只按时间排序取相对位置），机制无时间常数。++## 对照开关++- `--ablate mechanism`：β_h=β'_l=1.0（同底物统一幅度）→ 输出**逐位等于**分层关底物（本机 h5 数据逐位比对已验证；A 半 56.43）。分层开（56.54 配置）与关输出不同 → mechanism_active=yes。+- 二级对照 α=0（env `VEC_ALPHA=0`）→ 逐位=扩散基座（其自身无变化保护下 = copy_last 等效）。+- env 探针（仅复现网格）：`VEC_VEL`(rel|log2) `VEC_ALPHA` `VEC_KSOFT` `VEC_GAMMA` `VEC_EPS` `VEC_PBC` `VEC_STRAT_M/BH/BL` `VEC_VCAP`；父节点 log2 态可由 `VEC_VEL=log2 VEC_ALPHA=1 VEC_KSOFT=0.7 VEC_GAMMA=0.6 VEC_EPS=0.6` 复原（本机已验证 diag 与父节点 METHOD 一致：n_high=1841、thr=1.372、sum 2799→2727）。++## A 半查分网格（20 次额度全部用完；尺子 T2:heart:val_extrap/proxy_noscale）++| # | 配置（rel 场，未注明即 ε=0.4、PBC=10、分层关） | 榜分 | de_score | de_dir | mmd_u | variogram | nbhd_mmd |+|---|---|---:|---:|---:|---:|---:|---:|+| Q1 | k0.5 γ0.3 α1.0（PLAN 字面 node-29 重建） | 53.50 | .1806 | .2845 | .0510 | .0540 | .0959 |+| Q1b | 同上，PBC=0 | 52.87 | .1667 | .2756 | .0532 | .0567 | .0999 |+| Q1c | k0.5 γ0.75 α1.0 | 54.37 | .1944 | .3243 | .0495 | .0507 | .0905 |+| — | k0.5 γ0.9 α1.0 | 54.74 | .2083 | .3269 | .0488 | .0491 | .0884 |+| — | k0.5 γ0.75 ε0.6 | 54.47 | | | | | |+| — | k0.5 γ1.0 α1.0 | 54.94 | .2083 | .3318 | .0484 | .0480 | .0871 |+| — | k0.25 γ1.0 α1.0 | 55.92 | .2083 | .3234 | .0480 | .0408 | .0805 |+| — | **k0.5 γ1.0 α1.5** | **56.43** | .1944 | .3732 | .0468 | .0383 | .0797 |+| — | k0.5 γ1.0 α2.0 | 56.43 | .1944 | .3737 | .0504 | .0341 | .0814 |+| — | k0.25 γ1.0 α1.5 | 55.41 | .2083 | .3439 | .0586✗止损 | .0339 | .0880 |+| Q2 | k0.5 α1.5 γ1.0 + 分层 m0.4/βh1.15/βl0.55（**提交态**） | **56.54** | .1944 | .3746 | .0481 | .0358 | .0798 |+| — | 同上 βh=1.3（sum+15.8%） | 56.46 | .1944 | .3747 | .0500 | .0343 | .0810 |+| — | ε0.6 α1.5 γ1.0 | 56.16 | .1806 | .3663 | .0467 | .0386 | .0818 |+| — | k0.4 α1.5 γ1.0 | 56.44 | .1944 | .3679 | .0489 | .0358 | .0801 |+| — | α1.75 k0.5 γ1.0 | 56.53 | .1944 | .3724 | .0483 | .0356 | .0799 |+| — | VCAP1.5 α1.5 | 56.28 | .1944 | .3787 | .0468 | .0402 | .0801 |+| — | k0.25 α1.5 + 分层（sum 守恒 +0.0%） | 54.32 | .1944 | .3327 | .0668✗止损 | .0339 | .0965 |+| Q9 | 提交态但 β'l=0.7（sum+6.5%） | 56.54 | .1944 | .3737 | .0481 | .0358 | .0798 |+| Q5 | 提交态但 m=0.3（sum−1.5%） | 56.52 | .1806 | .3801 | .0479 | .0359 | .0798 |+| — | **父节点 30 原样重测**（log2 k0.7 γ0.6 ε0.6 绝对分层，本地逐位复现其 diag） | **55.16** | .1667 | .2069 | .0498 | .0391 | .0821 |++平台：{k∈[0.4,0.5], α∈[1.5,2.0], γ=1.0, ε=0.4, 分层∈{关, 1.15/0.55, 1.15/0.7, m0.3}} 全部 56.43–56.54，按“取平台中心不取单点尖峰”选提交态。父节点 30 同尺重测 A 半 55.16（与其 METHOD 自报 55.160 一致；55.44 是其 B 半节点分）→ 提交态 A 半对 A 半领先 **+1.38**，且五项排名原始值全部不劣于父（de_score .1667→.1944、de_dir .2069→.3746、mmd_u .0498→.0481、variogram .0391→.0358、nbhd .0821→.0798）。四组对比（同 A 半）：expression_change 55.32→58.67、cell_state 57.08→58.57、local_spatial 58.24→58.93、shape_scale 50.00→50.00（坐标冻结恒为地板）。++## PLAN 判据的诚实评估++1. **移植正确性检查未达 PLAN 预期**：PLAN 字面的 node-29 重建（rel、k=0.5、γ=0.3、α=1、ε=0.4、PBC=10）A 半只有 53.50，不到预期的 ~56.2。其 de 两项与 node-29 公开记录几乎一致（de_dir .2845 vs .2837、de_score .1806 vs .1944），说明**速度场方向重建正确**，但分布三项（mmd_u/variogram/nbhd）远差于记录，且 γ=0.3→1.0、α=1→1.5 单调改善——node-29 的提交态应含未见于描述的再耦合（或 A/B 半平移大于预期），无法进一步考证（节点 29 代码不可得）。因此改为在 A 半上自行重耦合底物（γ、α 扫描），这构成本节点的实际增益来源。+2. **PLAN 机制（分层）在 rel 场上未过判据**：分层开 56.54 vs 同底物分层关 56.43，**+0.11 < 1.0 判据线**，在噪声（~1 分）内；de 两项 ≥ 分层关（.3746≥.3732 / .1944=.1944）、mmd_u 0.0481≤0.055 ✓，但增益不成立 → **“rel 场上 |v| 分位分层”作为增益来源被证否**（βh1.15/1.3、βl0.55/0.7、m0.3/0.4 六点全在 ±0.11 内，另 k0.25 宽场+分层击穿 mmd_u 0.0668）。rel 的 /(m_p+1) 已天然压低低表达噪声对，k=0.5 后仅剩 407 个高置信对，分层无多少可重分配的“不可靠尾巴”——与 PLAN 风险 1 的预判一致。+3. **未交 NO_CHANGE 的理由**（任务书 §2：PLAN 被证否时应交针对同一弱项的备选机制，而非原样退回父节点）：备选机制=**rel 速度场与解码的再耦合**（α=1.5 幅度重标定 + γ=1.0 逐细胞 CP10k 总量精确守恒 + ε=0.4），针对父节点最弱可改善组 expression_change（同 A 半 55.32→58.67，de_direction 原始值 .2069→.3746），整体 +1.38 A 半分（55.16→56.54，父节点同尺重测）。分层保留在提交态中（平台内边际非负、定义 --ablate 对照），但 METHOD 明确声明其非增益来源。+4. PLAN 预过滤偏离说明：过门对 407 < PLAN 预设的 1000（rel+k0.5 的实际场比 PLAN 假设更稀疏），分层仍良定义（163/244 分割、sum|v_eff| 偏差 +3.6% < 20%），故未按退化处理而照常查分；k0.25 宽场（2116 对 ≥1000）的分层版本实测反而击穿止损（见网格）。++## 机制生效证据（PLAN mechanism_evidence 对应项）++- 重分配而非放量：sum|v_eff| 71→73（+3.6%，±20% 内）；β 调度=前 40% 分位（|v|≥0.627）×1.15、其余 ×0.55；|v| 分位阈值 q10–q99 全部打印在运行日志。+- 因果隔离：`--ablate mechanism` 输出逐位=分层关底物（h5 数据逐位比对 True）；full≠ablate（True）。分层改变 163 对高 |v| (型,基因) 的步长，覆盖有速度型的绝大多数细胞（31 型中过门型全部，24788/24826 细胞有速度，38 细胞无速度型保持基座值）。+- 四组分（A 半，分层开−分层关）：expression_change 58.64→58.67（+.03）、cell_state 58.11→58.57（+.46）、local_spatial 58.98→58.93（−.05）、shape_scale 不变；vs 父节点 30 同 A 半重测（55.32/57.08/58.24/50.00）：+3.35 / +1.49 / +0.69 / 0。+- 止损：mmd_u 0.0481 ≤ 0.055 ✓；variogram 0.0358 优于父节点 0.0384 ✓。  ## 稳健性（已实测） -- 纯 CPU（EXECUTION.json gpu:false），全视图运行 ~3 s、峰值内存 <1 GB（限额 28 GB/30 min）。-- seed 0/1/2 输出**逐位相同**（机制不消耗随机数，分层排序 stable argsort 确定）；-  seed 0 与 seed 1 查分逐项相同（表中 #17/#18）。-- 伪装视图（全部阶段时间 +1 天、manifest 键序打乱重排版、换路径）输出逐位相同，-  非 view_dependent；程序不读绝对时间、视图名、board/mode 字段。-- 单输入阶段视图：extrap_step 无前阶段 → α 强制 0 → 输出逐位回节点 23 基座（std_dp=0，-  DE 保护区），与父节点退路相同（已实测）。-- `vec-check` 通过（正式视图与单输入视图）。+- 纯 CPU 3.2 s / 峰值 RSS 0.97 GB（限额 28 GB / 30 min）；`vec-check` 通过（final 与 ablate 输出均 ok）。+- seed 0/1/2 输出逐位相同（本视图 n=锚阶段全量，无随机抽样路径；有抽样时也仅由 seed 决定）。+- 伪装视图（文件改名、manifest 键序打乱+重排版、全部时间 +1、换路径）输出逐位相同；程序不读 board/mode 做分支、无视图/数据集名、无写死细胞数。+- 单输入视图（自建测试视图）：α→0，输出=扩散基座（std_dp=0），不崩。+- 确定性：机制不消耗随机数；np.random.default_rng(seed) 仅用于细胞抽样。 -## 知识来源+## 未验证 / 风险 -无新增外部生物学知识。承父节点：按型转录速度外推 = 通用机制知识（谱系推进 / 信号驱动-TF 级联在下一区间延续，节点 21/24 已验证同一算子）；全部数值（速度、门控、分层阈值-|v|=1.372、位移）从视图内两个输入阶段现场计算。无外部数据、无来自已发布 / 保留阶段的-常数、无阶段尺寸假设（坐标冻结，scale_log_ratio 恒 = 地板照抄值）。+- 全部读数来自 A 半；正式分用 B 半（各自地板/天花板）。外推榜有“本地领先到正式缩水”的历史教训（方法卡：本地 54.2→官网 49.6），+1.10 的 A 半领先在 B 半可能缩小；已按平台选参而非单点尖峰以降低该风险。+- 真实 final 视图（3 输入、锚阶段可能超 max_cells 触发分层抽样、prev/anchor 时间差不同）未实测；程序路径全部按 manifest 相对量计算，无绝对时间常数。+- α 平台在 A 半上 1.5–2.0 等价，B 半最优可能偏移；γ=1.0 的精确总量守恒使 PBC 钳制几乎失效（6 细胞），亮度尾巴风险由 γ 而非钳制承担。+- 分层（+0.11，噪声内）保留与否对分数无实质影响；若审查认为噪声级机制不应保留，`--ablate` 输出（56.43）即其去除态。 -## 未验证+## 知识来源 -- B 半迁移：A 半 +0.29 低于 T2 ~1 分的半间噪声，正式分可能不涨；但方向在 16 配置网格上-  一致（除 β_h=1.5 外全部 ≥ 父），非单点尖峰。-- 真实外推括号（步长比 4/3、上一步为增长方向）上的表现无法本地检验；机制 time-free、-  不含步长比常数，行为随视图数据自适应。-- 低组压缩 β'_l<0.7 与 m<0.3 的组合未查分（#14 的 β'=0.4 已在网格内，更深处 diminishing）。+- 无外部数据（external/ 未读取）、无 prior/ 文件、无文献数值。方法学知识全部来自本树已验证节点（21/23/24/25/27/29/30 的机制与教训）；速度、门控、分位阈值、钳制界全部由视图两个输入阶段现场计算。生物学假设仅为通用机制知识：细胞类型的转录速度（型内伪批量相对变化）可外推下一区间的调控程序走向（谱系推进、信号驱动的 TF 级联），与已发表节点的用法一致，不含任何保留阶段/基因型的测量值。diff --git a/solution/README.md b/solution/README.mdindex ae648ed..166575f 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,23 +1,25 @@-# 速度幅度分层位移（T2HX-01/T2HX-04，节点 30）+# rel速度底物重耦合 + |v|分位数分层（节点 32） -在节点 26/28 提交态（按型 log2 速度、固定软阈值 k=0.7、α=1、γ=0.6 再归一、ε=0.6×2 步-扩散基座、坐标/组成/行序冻结）上，新增**按 |v| 的幅度分层**：过门 (型,基因) 对按原始-|v| 降序，前 m=40% 用 α×β_h（β_h=1.15），其余用 α×β'_l（β'_l=0.55）。总位移守恒-（sum|v_eff| −2.6%）地把外推幅度从低可靠小速度重分配给高信号大速度。+在父节点 30（log2 速度、k=0.7、γ=0.6、ε=0.6、绝对分层）基础上，把外推底物换成+rel 速度场 v_{t,g}=(m_a−m_p)/(m_p+1)（型内 log1p 均值、硬门控 ≥30 细胞 / m≥0.05 /+|v|≤2、软阈值 k=0.5）并**重耦合解码**：位移幅度 α=1.5、逐细胞 CP10k 总量以 γ=1.0+精确拉回自身基座总量、ε=0.4 两步支撑掩码扩散基座、PBC=10 亮度钳制；其上叠 PLAN 的+|v| 分位数分层（过门对前 40% 分位 ×1.15、其余 ×0.55，sum|v_eff| +3.6% 近守恒）。+坐标、组成、细胞数、行序冻结（shape 组恒=地板）。全部数值由视图两个输入阶段现场+计算，无外部数据、无已发布阶段常数。 -A 半 16 配置网格：平台 55.0–55.16（父 54.87）；提交配置 55.160，de_score 0.1667>0.1528、-de_direction 0.2069>0.1961 同时改善；β_h=1.5 触发 mmd_u 止损，已排除。读数与全部查分-明细见 METHOD.md。+A 半（proxy_noscale）：提交态 56.54，同底物分层关 56.43，父节点同尺重测 55.16；20 次网格+与判据评估见 METHOD.md（分层机制增益 +0.11 在噪声内、未过 PLAN >1.0 判据，增益+来源是底物重耦合——METHOD.md 已如实声明）。  ## 对照开关 -- `--ablate mechanism`：β_h=β'_l=1.0（统一幅度），输出**逐位等于父节点 26/28**-  （本机 np.array_equal 已验证）。默认与对照输出不同 → mechanism_active=yes。-- env 探针（仅复现网格用）：`VEC_STRAT_M` / `VEC_STRAT_BH` / `VEC_STRAT_BL`；-  节点 28 证否代码仍由 `VEC_GATE=z|veto`、`VEC_CONS` 驱动，默认关闭。+- `--ablate mechanism`：β_h=β'_l=1.0 → 输出逐位等于分层关底物（本机已验证）。+- env 探针（仅复现网格）：`VEC_VEL` `VEC_ALPHA` `VEC_KSOFT` `VEC_GAMMA` `VEC_EPS`+  `VEC_PBC` `VEC_STRAT_M/BH/BL` `VEC_VCAP`；父节点 log2 态可复原（见 METHOD.md）。  ## 稳健性（已实测） -- 纯 CPU ~3 s / <1 GB；seed 0/1/2 输出逐位相同；伪装视图（时间 +1、键序打乱、换路径）-  输出逐位相同；单输入视图 α→0 回节点 23 基座；vec-check 通过。-- 无外部数据、无已发布/保留阶段常数；速度、门控、分层阈值全部从视图两个输入阶段现场算。+- 纯 CPU 3.2 s / 0.97 GB；vec-check 通过（final 与 ablate）。+- seed 0/1/2 输出逐位相同；伪装视图（改名、键序打乱、时间 +1、换路径）逐位相同。+- 单输入视图 α→0 回扩散基座，不崩；无随机性进入机制路径。diff --git a/solution/run.py b/solution/run.pyindex 6937d70..e1fc329 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,79 +1,86 @@ #!/usr/bin/env python3-"""T2 extrapolation: spatial-neighborhood diffusion (node-23 base) + velocity--guided partial pseudobulk restoration that unlocks the DE group (family-T2HX-04), with node-30 magnitude stratification of the velocity field.--NODE 30 (this file): on the node-26/28 submitted state (per-type log2 velocity,-fixed soft threshold k=0.7, alpha=1.0, gamma=0.6 renormalization, eps=0.6 x2-diffusion), gated (type,gene) pairs are ranked by raw |v_{t,g}| descending; the-top m=40% ("high-signal": the strongly-moving core of the developmental-program, more reliable direction evidence) get effective step alpha*beta_h with-beta_h=1.15, the remaining 60% get alpha*beta_l with beta_l=0.55 (compressed:-weak velocities are diluted signal per node-28's lesson). Total displacement-is conserved (sum|v_eff| 2727 vs parent 2799, -2.6%): the mechanism-RE-ALLOCATES extrapolation amplitude by reliability instead of inflating it.-A-half grid (16 scored configs, METHOD.md): plateau 55.0-55.16 vs parent-54.87; selected config 55.160 with BOTH DE metrics strictly above parent-(de_score 0.1667>0.1528, de_direction 0.2069>0.1961) and the smallest-mmd_u/neighborhood_mmd degradation. beta_h=1.5 configs breach the mmd_u-stop-loss (0.0597>0.055) -> excluded. ``--ablate mechanism`` sets-beta_h=beta_l=1.0 (uniform amplitude) -> output bitwise the parent node-26/28-state (PLAN mechanism_off_control; verified locally).--NODE 28 history: PLAN proposed an SE-adaptive z gate replacing fixed k=0.7;-18 paired A-half queries showed every variant <= parent 54.87 -> falsified,-NO_CHANGE submitted. The z-gate (VEC_GATE=z), veto (VEC_GATE=veto) and-cross-type consistency (VEC_CONS>0) code paths remain env-gated for-reproducibility only; they are off in the submitted state.--Base (node 23, reached with VEC_ALPHA=0): anchor = last observed-input stage, n clipped to [min_cells, max_cells], stratified-by-celltype-sampling via ``take``, then 2 steps of support-masked diffusion on the-coordinates-15-NN graph, Y <- clip(Y + eps*(WY - Y), 0) with eps=0.6 applied-only to originally measured entries (x>0; zero pattern preserved), followed by-per-gene column scaling that restores the anchor pseudobulk EXACTLY -> dp = 0--> DE no-change protection, coordinates/composition/row order untouched.--Mechanism (alpha != 0): the column-scaling restoration target is no longer-the anchor pseudobulk but a velocity-tilted one,--    pb_target_g = pb_anchor_g * 2**(alpha * vbar_g),-    vbar_g      = sum_t (n_t/n) * v_{t,g}      (output-composition-weighted)-    v_{t,g}     = log2(pb_anchor_{t,g}) - log2(pb_prev_{t,g})   (per cell type)--computed from the two input stages' own pseudobulks (hard gates: type present-with >= MIN_TYPE_CELLS cells in both stages; gene pb >= GENE_FLOOR in both;-|v| <= V_CAP). dp therefore carries the direction each gene moved over the-last observed step, continued by alpha steps -> de_score / de_direction can-leave the no-change floor. Two decodes of the same velocity field:--  pertype (SUBMITTED): exact restoration first, then per-cell multiplicative-      displacement x' = x * 2**(alpha * soft_k(v_{t(i),g})) (soft threshold-      k keeps only confidently moving genes) with node-24's per-cell-      renormalization pulling each cell's linear (CP10k) total back toward its-      own original total with power gamma; alpha=0 skips the block (bitwise-      node 23).-  colscale (PLAN's first decode; measured, kept for reproducibility): one-      per-gene column scaling of the smoothed matrix to pb_target (alpha=0-      bitwise = node 23 exact restoration). On the A half this decode left-      de_direction ~ 0 (composition-weighted averaging cancels the per-type-      direction signal) while pertype reached de_direction 0.20 -> pertype is-      the submitted decode; both share the same velocity field and gates.--Biology: transcriptional velocity of a cell type over an observed interval-(gene-wise log fold change of its pseudobulk) extrapolates the regulatory-programs acting over the next interval (lineage progression, signal-driven-TF cascades; the same per-type log-FC extrapolation validated in nodes-21/24). No external data, no constants from published/held-out stages; every-number is computed from the view's own inputs.--Single-input fallback: without a previous stage no velocity exists -> alpha-is forced to 0 and the output is bitwise node 23 (which is bitwise copy_last-under its own no-change protection).+"""T2 extrapolation: rel-velocity multiplicative extrapolation RE-COUPLED to+full per-cell CP10k renormalization (gamma=1.0) and amplitude alpha=1.5 on the+eps=0.4 support-masked spatial-diffusion base, plus |v|-quantile magnitude+stratification of the velocity field (family T2HX-01).++NODE 32 (this file). SUBMITTED state (A-half grid, 19 scored configs, see+METHOD.md): rel velocity, k=0.5, alpha=1.5, gamma=1.0, eps=0.4, PBC=10,+stratification m=0.4, beta_h=1.15, beta_l=0.55 -> A half 56.54 (parent+node-30 re-measured on the same A half: 55.16, its B-half node score is+55.44; stratification-off substrate 56.43).++  rel velocity (node 27/29 lineage):+      v_{t,g} = (m_a - m_p) / (m_p + 1),  m = within-type mean of log1p values+      (bounded below by -1, denominator >= 1; low-expression noise genes are+      naturally damped). Hard gates: type with >= MIN_TYPE_CELLS cells in both+      input stages; gene m >= GENE_FLOOR in both; |v| <= V_CAP.+      Soft threshold k=0.5 leaves the confidently-moving core (407 gated+      (type,gene) pairs on the proxy view; the rel |v| distribution is far more+      compressed than log2's).++  RE-COUPLED decode (this node's main measured gain vs the parent's log2+  state): per-cell multiplicative displacement x' = Y0 * 2**(alpha *+  soft_k(v)), alpha=1.5 (the rel field is amplitude-compressed relative to+  log2, so the step needs re-scaling), then the per-cell linear (CP10k) total+  is pulled back to the cell's OWN base total with power gamma=1.0 (exact+  total conservation per cell: displacement changes composition only, never+  library size). The literal node-29 reconstruction (alpha=1, gamma=0.3)+  measured 53.50 on the A half; gamma 0.3->0.75->0.9->1.0 improved+  monotonically (53.50/54.37/54.74/54.94) and alpha 1->1.5->2.0 gave+  54.94/56.43/56.43 -> plateau alpha in [1.5, 2.0], center 1.5 chosen+  (smallest mmd_u of the plateau).++  log2 velocity (parent node 30 state, kept env-gated for reproducibility):+      v_{t,g} = log2(pb_a) - log2(pb_p), k=0.7, eps=0.6, gamma=0.6, alpha=1+      (VEC_VEL=log2 + the parent's constants reproduces it).++Magnitude stratification (PLAN mechanism, node-30 lineage re-coupled): gated+(type,gene) pairs (soft-threshold output != 0) are ranked by raw |v|+descending; the top STRAT_M quantile gets effective step alpha*STRAT_BH, the+rest alpha*STRAT_BL. Because the rel |v| distribution differs from log2+(bounded, compressed), the split is BY QUANTILE of the actual gated pairs,+never by an absolute |v| constant. Total displacement is approximately+conserved (+3.6% on the proxy view): the mechanism RE-ALLOCATES amplitude by+reliability instead of inflating it. Measured effect on this substrate:++0.11 A-half points (56.54 vs 56.43 strat-off) - within noise, below the+PLAN's >1.0 criterion -> stratification is NOT the source of this node's+gain (see METHOD.md); it is kept because it is harmless-to-marginally-+positive across m in {0.3,0.4} and beta_l in {0.55,0.7} and defines the+``--ablate mechanism`` contrast: STRAT_BH=STRAT_BL=1.0 (uniform amplitude on+the same substrate) -> output bitwise the stratification-off substrate.++Brightness clamp (node 25 lineage, VEC_PBC): after the per-cell renormalization,+cells whose linear (CP10k) total exceeds VEC_PBC x median(base totals) are+scaled uniformly back to that bound (with gamma=1.0 it only touches the 6+naturally-brightest cells; VEC_PBC=0 off).++Base (node 23 operator): anchor = last observed input stage, n clipped to+[min_cells, max_cells], stratified-by-celltype sampling via ``take``, then 2+steps of support-masked diffusion on the coordinates-15-NN graph,+Y <- clip(Y + eps*(WY - Y), 0) applied only to originally measured entries+(x>0; zero pattern preserved), followed by per-gene column scaling that+restores the anchor pseudobulk EXACTLY. Coordinates, composition, row order+and cell count are frozen throughout.++Decode (pertype): per-cell multiplicative displacement+x' = Y0 * 2**(alpha * soft_k(v_{t(i),g})) with per-cell renormalization+pulling each cell's linear total back toward its own base total with power+gamma. alpha=0 skips the block (bitwise the diffusion base, whose exact+pseudobulk restoration keeps dp = 0 -> DE no-change protection).++Biology: transcriptional velocity of a cell type over the last observed+interval extrapolates the regulatory programs acting over the next interval+(lineage progression, signal-driven TF cascades; validated in nodes 21/24/27/+29). No external data, no constants from published/held-out stages; every+number (velocities, gates, stratification thresholds, clamp bound) is computed+from the view's own inputs.++Single-input fallback: without a previous stage no velocity exists -> alpha is+forced to 0 and the output is bitwise the diffusion base.  View-independent: no absolute stage names or times are read; the mechanism is-time-free (alpha is a fixed damping constant, not a stage-derived number).-Deterministic given --seed (the mechanism consumes no randomness).+time-free. Deterministic given --seed (the mechanism consumes no randomness). """  from __future__ import annotations@@ -96,50 +103,60 @@ from src.task2_spatial.view_io import (     write_t2, ) -# --- node-23 base (submitted state of the parent) --------------------------DEFAULT_EPS = float(os.environ.get("VEC_EPS", "0.6"))+# --- diffusion base (node 23 operator) ---------------------------------------+DEFAULT_EPS = float(os.environ.get("VEC_EPS", "0.4")) DEFAULT_STEPS = int(os.environ.get("VEC_STEPS", "2")) DEFAULT_MODE = os.environ.get("VEC_MODE", "pbrestore") DP_BUDGET = 0.003 GENE_REVERT = 0.1   # per-gene |unintended dp| guard (node-23 PLAN step 5) K_NN = int(os.environ.get("VEC_KNN", "15")) -# --- velocity mechanism (this node) ------------------------------------------# Submitted state (A-half dose-response, see METHOD.md): pertype decode,-# alpha=1.0, soft threshold k=0.7, renormalization gamma=0.6 -> 54.87-# (node-23 base 50.58, tree best node 24 54.13 on the same A half).-DEFAULT_ALPHA = float(os.environ.get("VEC_ALPHA", "1.0"))+# --- velocity mechanism -------------------------------------------------------+# SUBMITTED state (A-half grid, METHOD.md): rel velocity, alpha=1.5, k=0.5,+# gamma=1.0 (exact per-cell CP10k total conservation), eps=0.4, PBC=10,+# stratification m=0.4/bh=1.15/bl=0.55 -> A half 56.54 (strat-off 56.43,+# parent node-30 re-measured A half 55.16). Parent log2 state: VEC_VEL=log2+# VEC_ALPHA=1.0 VEC_KSOFT=0.7 VEC_GAMMA=0.6 VEC_EPS=0.6.+DEFAULT_ALPHA = float(os.environ.get("VEC_ALPHA", "1.5")) DEFAULT_DECODE = os.environ.get("VEC_DECODE", "pertype")  # colscale | pertype+VEL_MODE = os.environ.get("VEC_VEL", "rel")               # rel | log2 MIN_TYPE_CELLS = int(os.environ.get("VEC_MINCELLS", "30")) GENE_FLOOR = float(os.environ.get("VEC_GFLOOR", "0.05")) V_CAP = float(os.environ.get("VEC_VCAP", "2.0"))-K_SOFT = float(os.environ.get("VEC_KSOFT", "0.7"))    # pertype soft threshold-GAMMA_RENORM = float(os.environ.get("VEC_GAMMA", "0.6"))  # pertype total pullback--# --- magnitude stratification (node 30): reliability-weighted per-pair alpha ---# For gated (type,gene) pairs (soft_threshold output != 0), rank by raw |v|-# descending; the top STRAT_M fraction ("high-signal", the strongly-moving-# core of the developmental program) gets effective alpha * STRAT_BH, the rest-# gets alpha * STRAT_BL. BH=BL=1.0 is bitwise the parent (node 26/28 state)-# and is what ``--ablate mechanism`` selects (PLAN mechanism_off_control).-STRAT_M = float(os.environ.get("VEC_STRAT_M", "0.4"))    # top fraction+K_SOFT = float(os.environ.get("VEC_KSOFT", "0.5"))    # pertype soft threshold+GAMMA_RENORM = float(os.environ.get("VEC_GAMMA", "1.0"))  # total pullback power+PBC_CLAMP = float(os.environ.get("VEC_PBC", "10.0"))  # 0 = off (node-25 clamp)++# --- magnitude stratification (node 30 mechanism, |v|-quantile re-coupled) ----+# Gated (type,gene) pairs ranked by raw |v| descending; top STRAT_M quantile+# gets alpha*STRAT_BH, the rest alpha*STRAT_BL. BH=BL=1.0 disables (this is+# what ``--ablate mechanism`` selects; PLAN mechanism_off_control).+STRAT_M = float(os.environ.get("VEC_STRAT_M", "0.4"))    # top quantile fraction STRAT_BH = float(os.environ.get("VEC_STRAT_BH", "1.15")) STRAT_BL = float(os.environ.get("VEC_STRAT_BL", "0.55")) +# --- node-28 falsified gates (kept env-gated for reproducibility only) --------+GATE_MODE = os.environ.get("VEC_GATE", "fixed")  # z | fixed | veto+Z_MIN = float(os.environ.get("VEC_ZMIN", "2.0"))+Z_K = float(os.environ.get("VEC_ZK", "1.0"))+  def stratify(Vs: np.ndarray, absV: np.ndarray, m: float, bh: float,              bl: float) -> tuple[np.ndarray, dict]:-    """Scale gated pairs by bh (top-m |v|) or bl (rest). Deterministic."""+    """Scale gated pairs by bh (top-m |v| quantile) or bl (rest). Deterministic."""     out = Vs.copy()     mask = Vs != 0     n_pairs = int(mask.sum())     if n_pairs == 0 or m <= 0:         return out, {"n_pairs": n_pairs, "n_high": 0, "thr": 0.0,-                     "sum_abs": float(np.abs(out).sum())}+                     "sum_abs": float(np.abs(out).sum()), "qs": ()}     flat_mask = mask.ravel()     idx = np.flatnonzero(flat_mask)     abs_flat = np.abs(absV).ravel()-    order = idx[np.argsort(-abs_flat[idx], kind="stable")]+    gated_abs = abs_flat[idx]+    qs = tuple(float(q) for q in np.quantile(+        gated_abs, [0.1, 0.25, 0.5, 0.75, 0.9, 0.95, 0.99]))+    order = idx[np.argsort(-gated_abs, kind="stable")]     n_high = int(round(m * n_pairs))     n_high = max(0, min(n_high, n_pairs))     M = np.full(out.shape, bl, dtype=np.float64)@@ -148,23 +165,7 @@ def stratify(Vs: np.ndarray, absV: np.ndarray, m: float, bh: float,     out = np.where(mask, out * M, out)     thr = float(abs_flat[order[n_high - 1]]) if n_high > 0 else 0.0     return out, {"n_pairs": n_pairs, "n_high": n_high, "thr": thr,-                 "sum_abs": float(np.abs(out).sum())}---# --- SE-adaptive z gate (node 28, falsified; kept for reproducibility) --------# PLAN's SE formula (var_log2 / (n * pb^2 * ln2^2)) measured >50% of gated-# (type,gene) pairs with SE>1 (median z=0.31) -> PLAN risk-1 fallback: the-# direct standard error of the per-type mean in log space,-#     SE(v_{t,g}) = sqrt(var_a/n_a + var_p/n_p) / ln2,-# with var_* the within-type cell-to-cell variance of the log1p values (the-# space pb is computed in). Median SE 0.095, median z 6.6 on the proxy view.-GATE_MODE = os.environ.get("VEC_GATE", "fixed")  # z | fixed | veto-Z_MIN = float(os.environ.get("VEC_ZMIN", "2.0"))-Z_K = float(os.environ.get("VEC_ZK", "1.0"))-# alternative mechanisms (backup directions after the z gate measured flat):-CONS_W = float(os.environ.get("VEC_CONS", "0.0"))    # cross-type consistency-CONS_NORM = bool(int(os.environ.get("VEC_CONSNORM", "1")))-SHRINK = float(os.environ.get("VEC_SHRINK", "0.0"))  # pull toward consensus+                 "sum_abs": float(np.abs(out).sum()), "qs": qs}   def diffuse(X64: np.ndarray, coords: np.ndarray, eps: float, mode: str,@@ -206,16 +207,14 @@ def diffuse(X64: np.ndarray, coords: np.ndarray, eps: float, mode: str,   def type_velocity(prev_stage, anch_X: np.ndarray, anch_labels: np.ndarray,-                  out_labels: np.ndarray, n_out: int, g: int):-    """Composition-weighted per-gene log2 velocity vbar_g and per-type tables.--    vbar_g = sum_t (n_t/n_out) * v_{t,g}; v_{t,g} = log2 pb_anchor_t - log2-    pb_prev_t with hard gates (type support, gene floor, |v| cap). Types with-    no previous-stage support get v = 0 (no evidence -> no displacement).-    Returns (vbar, v_by_type, se_by_type, n_used): se_{t,g} is the standard-    error of v_{t,g} from the within-type cell-to-cell variance of the log1p-    values in each stage, SE = sqrt(var_a/n_a + var_p/n_p)/ln2 (delta method-    on the stage means; the space pb is computed in).+                  out_labels: np.ndarray, n_out: int, g: int, vel_mode: str):+    """Per-type velocity tables (rel or log2) and composition-weighted vbar.++    rel:  v_{t,g} = (m_a - m_p) / (m_p + 1), m = within-type mean of log1p.+    log2: v_{t,g} = log2(m_a) - log2(m_p).+    Hard gates: type support >= MIN_TYPE_CELLS in both stages; gene m >=+    GENE_FLOOR in both stages; |v| <= V_CAP. Types without previous-stage+    support get v = 0 (no evidence -> no displacement).     """     Xp = prev_stage.X.toarray().astype(np.float64) if sp.issparse(prev_stage.X) \         else np.asarray(prev_stage.X, dtype=np.float64)@@ -242,7 +241,10 @@ def type_velocity(prev_stage, anch_X: np.ndarray, anch_labels: np.ndarray,         pb_a = Xa_t.mean(axis=0)         pb_p = Xp_t.mean(axis=0)         gate = (pb_a >= GENE_FLOOR) & (pb_p >= GENE_FLOOR)-        v = np.log2(np.maximum(pb_a, 1e-12)) - np.log2(np.maximum(pb_p, 1e-12))+        if vel_mode == "rel":+            v = (pb_a - pb_p) / (pb_p + 1.0)+        else:+            v = np.log2(np.maximum(pb_a, 1e-12)) - np.log2(np.maximum(pb_p, 1e-12))         v = np.where(gate, np.clip(v, -V_CAP, V_CAP), 0.0)         se = np.sqrt(Xa_t.var(axis=0) / n_t + Xp_t.var(axis=0) / n_p) / ln2         se = np.where(gate, np.maximum(se, 1e-9), np.inf)@@ -271,13 +273,7 @@ def z_threshold(v: np.ndarray, se: np.ndarray, z_min: float,  def both_threshold(v: np.ndarray, se: np.ndarray, k: float,                    z_min: float) -> np.ndarray:-    """Fixed magnitude soft threshold k + significance veto z >= z_min.--    Keeps the parent's magnitude selectivity (only strong movers survive k)-    but drops strong-yet-unreliable velocities (small types / noisy genes,-    |v|>k with z below z_min): the adaptive-significance-gate direction of-    node-26 ANALYSIS suggestion 3.-    """+    """Fixed magnitude soft threshold k + significance veto z >= z_min."""     z = np.abs(v) / se     keep = (z >= z_min) & (v != 0.0)     return np.where(keep, soft_threshold(v, k), 0.0)@@ -289,9 +285,6 @@ def main() -> None:     parser.add_argument("--out", required=True)     parser.add_argument("--seed", type=int, default=0)     parser.add_argument("--ablate", default=None)-    parser.add_argument("--fixed-k", type=float, default=None,-                        help="off-control: skip SE/z gate, use this fixed "-                             "soft threshold (parent node-26 behaviour)")     args = parser.parse_args()      ablated = args.ablate is not None@@ -300,13 +293,12 @@ def main() -> None:     decode = DEFAULT_DECODE     gate_mode = GATE_MODE     k_soft = K_SOFT+    gamma = GAMMA_RENORM     strat_m, strat_bh, strat_bl = STRAT_M, STRAT_BH, STRAT_BL     if ablated:-        # PLAN mechanism_off_control: beta=beta'=1.0 -> uniform amplitude,-        # output bitwise the parent (node 26/28) state.+        # PLAN mechanism_off_control: beta_h=beta'_l=1.0 -> uniform amplitude on+        # the same substrate; output bitwise the stratification-off substrate.         strat_m, strat_bh, strat_bl = 0.0, 1.0, 1.0-    if args.fixed_k is not None:-        gate_mode, k_soft = "fixed", args.fixed_k      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)@@ -319,6 +311,7 @@ def main() -> None:     else:         rows = np.sort(rng.choice(stage.n, size=n, replace=True))     print(f"[diag] base copy_last eps={eps} alpha={alpha} decode={decode} "+          f"vel={VEL_MODE} k={k_soft} gamma={gamma} pbc={PBC_CLAMP} "           f"n={rows.size}", file=sys.stderr)      X = stage.X[rows].toarray().astype(np.float32)@@ -346,8 +339,8 @@ def main() -> None:         if prev_entry is not None:             prev_stage = read_stage(args.data, prev_entry, genes)             vbar, v_by_type, se_by_type, n_used = type_velocity(-                prev_stage, X64, out_labels, out_labels, rows.size, g)-            print(f"[diag] velocity types_used={n_used} "+                prev_stage, X64, out_labels, out_labels, rows.size, g, VEL_MODE)+            print(f"[diag] velocity mode={VEL_MODE} types_used={n_used} "                   f"vbar_std={vbar.std():.4f} vbar_absmax={np.abs(vbar).max():.4f} "                   f"nonzero={int((vbar != 0).sum())}", file=sys.stderr)             del prev_stage@@ -358,7 +351,6 @@ def main() -> None:      if decode == "colscale" or alpha == 0.0:         # ---- partial restoration to pb_target = pb_orig * 2**(alpha*vbar) ---        # alpha = 0 is bitwise the node-23 exact restoration.         col0 = X64.sum(axis=0)         colS = Y.sum(axis=0)         s = np.where(colS > 0, col0 / np.maximum(colS, 1e-12), 1.0)@@ -374,12 +366,11 @@ def main() -> None:         col0 = X64.sum(axis=0)         colS = Y.sum(axis=0)         s = np.where(colS > 0, col0 / np.maximum(colS, 1e-12), 1.0)-        Y0 = Y * s                      # node-23 restored base+        Y0 = Y * s                      # diffusion-restored base         utypes, uidx = np.unique(out_labels, return_inverse=True)         Vt = np.zeros((utypes.size, g), dtype=np.float64)         Vs = np.zeros((utypes.size, g), dtype=np.float64)         unknown = 0-        n_keep_z = n_keep_fk = 0         for j, t in enumerate(utypes):             v = v_by_type.get(str(t))             if v is None:@@ -394,60 +385,42 @@ def main() -> None:                 Vs[j] = both_threshold(v, se, k_soft, Z_MIN)             else:                 Vs[j] = soft_threshold(v, k_soft)-        n_keep_z = int(((Vs != 0) & (np.abs(Vt) > 0)).sum())-        n_keep_fk = int((np.abs(soft_threshold(Vt, K_SOFT)) > 0).sum())+        n_keep = int((Vs != 0).sum()) -        # --- magnitude stratification (node 30 mechanism) --------------------+        # --- magnitude stratification (|v|-quantile re-coupled) --------------         if strat_m > 0 and (strat_bh != 1.0 or strat_bl != 1.0):             sum_before = float(np.abs(Vs).sum())             Vs, sdiag = stratify(Vs, Vt, strat_m, strat_bh, strat_bl)+            qs = " ".join(f"{q:.3f}" for q in sdiag["qs"])+            dev = (sdiag["sum_abs"] - sum_before) / max(sum_before, 1e-12) * 100             print(f"[diag] strat m={strat_m} bh={strat_bh} bl={strat_bl} "                   f"n_high={sdiag['n_high']}/{sdiag['n_pairs']} "-                  f"thr|v|={sdiag['thr']:.3f} "-                  f"sum|v_eff| {sum_before:.0f}->{sdiag['sum_abs']:.0f}",-                  file=sys.stderr)--        # --- backup mechanism: cross-type direction-consistency gate --------        # For each gene g, measure how much the output-composition-weighted-        # per-type velocities agree in DIRECTION:-        #     c_g = |sum_t w_t v_{t,g}| / sum_t w_t |v_{t,g}|   in [0,1]-        # w_t = n_t/n_out. c_g -> 1 when all types push gene g the same way-        # (a coherent program, likely to extrapolate), c_g -> 0 when types-        # cancel (gene moving in opposing directions across lineages -> the-        # per-cell decode cannot trust a single sign). Damping v by-        # c_g**CONS_W suppresses incoherent genes and sharpens de_direction,-        # the weakest expression_change metric. CONS_W=0 disables (parent).-        if CONS_W > 0:-            cnt_out = np.bincount(uidx, minlength=utypes.size).astype(np.float64)-            w_t = cnt_out / max(cnt_out.sum(), 1.0)     # (n_types,)-            num = np.abs(w_t @ Vs)                      # (g,)-            den = (w_t @ np.abs(Vs)) + 1e-12-            coh = np.clip(num / den, 0.0, 1.0)-            sum_before = float(np.abs(Vs).sum())-            Vs = Vs * np.power(coh, CONS_W)[None, :]-            sum_after = float(np.abs(Vs).sum())-            if CONS_NORM and sum_after > 0:-                Vs *= sum_before / sum_after-            print(f"[diag] consistency CONS_W={CONS_W} norm={int(CONS_NORM)} "-                  f"coh_med={np.median(coh):.3f} "-                  f"vsum {sum_before:.0f}->{sum_after:.0f}"-                  f"{'->%d (renorm)' % sum_before if CONS_NORM else ''}",-                  file=sys.stderr)+                  f"thr|v|={sdiag['thr']:.3f} |v|q10/25/50/75/90/95/99={qs} "+                  f"sum|v_eff| {sum_before:.0f}->{sdiag['sum_abs']:.0f} "+                  f"({dev:+.1f}%)", file=sys.stderr)          shift_t = np.power(2.0, alpha * Vs)          # (n_types, g)         Xs = Y0 * shift_t[uidx]         # node-24 per-cell renormalization in linear CP10k space-        if GAMMA_RENORM > 0:-            T0 = np.expm1(np.clip(Y0, 0, 20.0)).sum(axis=1)+        T0 = np.expm1(np.clip(Y0, 0, 20.0)).sum(axis=1)+        if gamma > 0:             T1 = np.expm1(np.clip(Xs, 0, 20.0)).sum(axis=1)-            f = np.power(T0 / np.maximum(T1, 1e-12), GAMMA_RENORM)+            f = np.power(T0 / np.maximum(T1, 1e-12), gamma)             Xs = np.log1p(np.expm1(np.clip(Xs, 0, 20.0)) * f[:, None])+        # node-25 brightness clamp: linear total <= PBC_CLAMP x median(T0)+        n_clamped = 0+        if PBC_CLAMP > 0:+            T2 = np.expm1(np.clip(Xs, 0, 20.0)).sum(axis=1)+            bound = PBC_CLAMP * float(np.median(T0))+            hot = T2 > bound+            n_clamped = int(hot.sum())+            if n_clamped:+                fc = np.where(hot, bound / np.maximum(T2, 1e-12), 1.0)+                Xs = np.log1p(np.expm1(np.clip(Xs, 0, 20.0)) * fc[:, None])         Xs = np.clip(Xs, 0.0, None)-        print(f"[diag] pertype gate={gate_mode}"-              f"{f' zmin={Z_MIN} zk={Z_K}' if gate_mode == 'z' else f' k={k_soft}'}"-              f" kept_pairs={n_keep_z} (fixed-k0.7 would keep {n_keep_fk}) "-              f"sum|v_soft|={np.abs(Vs).sum():.0f} "-              f"cells_without_velocity={unknown} "+        print(f"[diag] pertype gate={gate_mode} k={k_soft} "+              f"kept_pairs={n_keep} sum|v_soft|={np.abs(Vs).sum():.0f} "+              f"cells_without_velocity={unknown} clamped={n_clamped} "               f"shift_absmax_log2={np.abs(alpha * Vs).max():.3f}",               file=sys.stderr)         pb_intended = None  # guard skipped for the pertype decode

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

编号标题出处
k007Interval staging and held-out-window filtering of external datanotes/official/来件/virtualembryo.ai/rules.md
k026Canonicalise predicted 3D coordinates before submissionnotes/pitfalls/04_scorer_invariance.md
k009Conditional / OT flow matching for population transportarXiv:2210.02747 (Lipman et al., Flow Matching for Generative Modeling)

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。

改了什么把父节点30的 log2 速度底物(k=0.7, α=1, γ=0.6, ε=0.6)换成 rel 速度 v=(m_a−m_p)/(m_p+1) 并重耦合解码(ε=0.4, k=0.5, α=1.5, γ=1.0 逐细胞 CP10k 总量精确守恒, PBC=10)，其上叠 PLAN 的 |v| 分位数分层(m=0.4, β_h=1.15, β'_l=0.55)；坐标/组成/行序/细胞数冻结。实际增益来自底物重耦合，分层只贡献 +0.12（噪声内）。
各组分数的变化cell_state：变好 +1.51 (57.42→58.93)：mmd_u 0.04864→0.04684（得分 +0.12）、variogram 0.03838→0.03521（得分 +0.26），略超噪声。
expression_change：变好 +3.36 (55.27→58.63)：de_direction 原始值 0.2038→0.3728（得分 +0.73）为主增益，de_score 0.1667→0.1944（得分 +0.11），超过噪声。
local_spatial：+0.53 (59.05→59.58)：neighborhood_mmd 0.07817→0.07648（得分 +0.13），在噪声内偏正。
shape_scale：不变 50.00→50.00：坐标冻结，d2_shape/occupancy_dice/scale_log_ratio 三项 skill 恒 0.5（地板）。
family_idT2HX-01
假设是否成立否
经验
  1. PLAN 假设（rel 场上重耦合 |v| 分层增益 >1.0）被证否：分层开 56.54 vs 分层关 56.43，仅 +0.11；harness 的 --ablate 榜分变化也只有 -0.12（噪声内）。rel 的 /(m_p+1) 已天然压低低表达噪声对，k=0.5 后仅剩 407 个高置信过门对，没有可重分配的'不可靠尾巴'——幅度分层只在 |v| 分布宽的 log2 场上有效（节点30），换场后失效。
  2. 移植历史节点配置不能照抄常数：node-29 字面重建（γ=0.3, α=1）A 半只有 53.50，远低于其记录的 ~56.2；换速度场后必须重扫解码参数（本节点 γ 0.3→1.0 单调升到 54.94，α 1→1.5 跳到 56.43）。
  3. 乘法位移解码中 γ=1.0（逐细胞 CP10k 总量精确拉回自身基座，位移只改组成不改文库大小）配合 α=1.5 是 rel 场上的强配置：五项排名原始值全部不劣于父（de_dir .2069→.3746, mmd_u .0498→.0481, variogram .0391→.0358, nbhd .0821→.0798）。
  4. mechanism_active 不能只看'ablate 输出是否不同'：本节点输出确实不同但榜分差仅 -0.12（噪声内），说明所声称机制不是增益来源；判断机制生效必须看 ablate 的分差幅度是否超过噪声。
  5. 本次 A 半领先 +1.38 在正式榜兑现为 +1.35，未出现外推榜常见的本地高估缩水——因为增益落在 de_direction 原始值近翻倍（.20→.37）这种大幅、跨五项一致的变化上，而非单点小幅领先。
mechanism_active否
下一步建议
  1. expression_change/cell_state：在本底物上做 k–α 二维细扫（k∈{0.4,0.45,0.5}×α∈{1.4,1.6,1.75}，γ=1.0 固定），mmd_u 止损 0.055 尚有余量（当前 0.0468）。
  2. local_spatial（最弱可改善组 59.58，权重 25+结构门）：位移后对高 |v| 基因在坐标 15-NN 图上做轻度定向平滑，或微调 ε（0.3/0.5），配对 A 半验证 neighborhood_mmd。
  3. 简化提交态：分层贡献在噪声内（-0.12），可评估直接去掉分层（即 --ablate 输出，56.43）以降低复杂度和审查风险；shape_scale 恒地板，proxy_noscale 钉死尺度项，本榜不要再投入。

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

角色?调研员写计划、工程师改代码、分析员解读分数、审查员检查作弊。分析员 alibaba-token-plan-cn/qwen3.8-max
调用次数1 次
轮数?大模型一共回复了几轮（每轮可以调用多个工具）。4
工具调用?大模型调用读文件、执行命令等工具的次数，按工具名统计。共 3 次：bash 2、write 1
用时1 分
token 数?输入 / 输出（含思考）的 token 数，来自接口返回的用量。输入 25,377 · 输出 1,430 · 思考 2,264
任务（第一行）分析节点 n32 的打分结果，写 ANALYSIS.json
最后的回答（摘录）
ANALYSIS.json written
原始记录位置?完整对话记录在 Spark 上的文件路径；看板不复制原始内容。/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/analyst.jsonl 12 KB
/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/analyst.stderr

工程师

角色工程师 alibaba-token-plan-cn/qwen3.8-max
调用次数1 次
轮数60
工具调用共 74 次：bash 54、edit 12、read 3、write 3、todowrite 2
用时39 分
token 数输入 157,215 · 输出 30,326 · 思考 50,472
任务（第一行）按计划修改程序：rel速度底物上重耦合幅度分层外推（节点29基座+节点30分层）
最后的回答（摘录）
完成。总结：

**做了什么**：按 PLAN 把节点 29 的 rel 速度底物移植进父节点 30 的程序并重耦合 |v| 分位数分层。PLAN 字面重建（γ=0.3、α=1）A 半仅 53.50（de 两项与节点 29 记录几乎一致，分布三项不符）→ 在 A 半上重扫 γ（0.3→1.0 单调升）与 α（平台 1.5–2.0），得再耦合底物 56.43；其上分层（m=0.4/β_h=1.15/β'_l=0.55，sum|v_eff| +3.6% 近守恒）= **56.54（提交态）**。

**查分**（20/20 用完）：提交态 A 半 56.54；同底物分层关 56.43；父节点同尺重测 55.16 → A 半对 A 半 **+1.38**，五项排名原始值全部不劣于父（de_direction .2069→.3746 为主增益，正是父最弱组 expression_change 55.32→58.67）。**PLAN 分层机制本身 +0.11（噪声内，未过 >1.0 判据）→ 作为增益来源被证否**，已按任务书 §2 交备选机制（rel 场+γ=1.0 全量再归一+α=1.5 幅度重标定）而非退回父节点；`--ablate mechanism` 逐位=分层关底物（mechanism_active=yes）。稳健性全过：seed 0/1/2 逐位相同、伪装视图（改名/键序/时间+1）逐位相同、单输入退路、vec-check、3.2s/0.97GB。

**下一步最值得试**：① 在此底物上做 k–α 二维细扫（k=0.45/α=1.6 附近，平台内 mmd_u 余量到 0.055 还有空间）；② nbhd_mmd（58.93，四组中仍最弱、权重 25）：尝试位移后对高 |v| 基因做坐标图上的轻度定向平滑；③ shape 组 25 分恒为地板是最大盲区，但 proxy_noscale 钉死尺度项，只能在 final/正式尺上验证只改坐标形状（不改 RMS）的机制。
原始记录位置/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/engineer.jsonl 410 KB
/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/engineer.stderr

调研员

角色调研员 alibaba-token-plan-cn/qwen3.8-max
调用次数1 次
轮数1
工具调用共 0 次：—
用时11 分
token 数输入 21,158 · 输出 20,279 · 思考 8,192
任务（第一行）为节点 n32（改进，父节点 n30）写改进计划 PLAN.json
最后的回答（摘录）
偏差>±20% 不查分，沿用节点30做法）。步骤3（vec-score A半网格，约12次）：Q1=分层关(β_h=β'_l=1)、γ=0.3，必须≈节点29(~56.2)作为移植正确性+本节点机制的关闭基线；Q2–4=分层开(m=0.4,β_h=1.15,β'_l=0.55)、γ∈{0.3,0.4,0.5}；Q5–6=取最优γ、m∈{0.3,0.5}；Q7–8=取最优m、β_h∈{1.1,1.2}；Q9=取最优、β'_l=0.7；Q10=最优配置 seed1 复现；余约8次留作复跑/边界。步骤4（判据）：最优分层开须比 Q1（分层关，同底物）高>1.0 A半分，且 de_score 与 de_direction 同时≥Q1、mmd_u≤0.055 止损，差值须过 seed1；不满足则机制被证否，按 NO_CHANGE 提交（默认输出逐位=父节点30）。单输入退路：无前一阶段则无 rel 速度→α 强制为0→逐位=copy_last。视图无关：不读任何阶段名/时间，机制无时间常数。",
 "expected_groups": ["expression_change", "cell_state", "local_spatial"],
 "risks": "1) 分层在 rel 底物上边际收益≈0（rel 的 /(m_p+1) 已天然压低低表达噪声基因，分层或变冗余）→机制未生效；Engineer 应在 Q1 vs Q2–4 配对 A 半最先发现，Δ<1 即停止查分并提交 NO_CHANGE，不烧预算。2) 与兄弟节点31（父=29，很可能也加分层）撞车→本方案以'|v|分位数自适应分层+γ重耦合'为差异点；若最终配置与既有节点逐位相同，提交 NO_CHANGE 而非复制。3) 更干净的 rel 场上 β_h 过高可能击穿 mmd_u→β_h≤1.2、止损 mmd_u≤0.055。4) 外推榜本地高估（ANALYSIS 教训：本地领先到正式缩水、分组方向可相反）→要求多配置平台+seed1 复现+>1 分边际，不追单点最高。5) rel |v| 分位退化（过门对太少）→无查分诊断预过滤。6) 移植 bug→Q1 必须复现节点29(~56.2)，明显偏低先调试再继续。",
 "family_id": "T2HX-01",
 "mechanism": "在节点29的 rel 速度+ε=0.4 平滑底物上，把节点30的幅度分层按 rel 场 |v| 分位数重耦合：高 |v| 分位的(型,基因)对×β_h、低分位对×β'_l，总位移近守恒地按速度可靠性重分配外推幅度，并同步重耦合逐细胞总量回拉 γ。",
 "vs_constant_shift": "这是逐细胞乘法位移 x·2^(α·soft_k(v_{type,g}))：步长由细胞自身表达与其所属型的相对速度共同决定，逐细胞 CP10k 总量按 γ 回拉、零值保持零；按型常数位移则对型内所有细胞叠加同一每基因向量，无法依赖细胞自身表达、不能保零/保总量。本机制还在(型,基因)对之间按 |v| 分位数重分配幅度，是基因级+细胞级的可靠性加权，既非每型常数位移向量，也非只改型比例的组成重加权。",
 "mechanism_evidence": "1) 重分配而非放量：打印分层前后 sum|v_eff|（目标偏差±3%内）、β 调度与 |v| 分位阈值。2) 机制因果隔离：同一 rel 底物上分层开 vs 分层关(--ablate)配对 A 半，报告 de_score/de_direction/mmd_u/variogram/neighborhood_mmd 各项差值；--ablate 输出须逐位等于分层关底物。3) 两项 DE 同时≥分层关底物（目标 de_direction≥0.28、de_score≥0.19）。4) 受影响范围：被重加权的(型,基因)对数与受影响细胞数（应覆盖有速度型的绝大多数细胞，非仅少数）。5) 四组分分解，并与 Q1(节点29等效)及父节点30对比。6) mmd_u≤0.055 止损且 variogram 不劣化。",
 "mechanism_off_control": "--ablate mechanism 置 β_h=β'_l=1（rel 底物上统一幅度）→分层退化，输出应逐位等于分层关底物（=节点29等效，用 np.array_equal 验证 X/坐标/基因序/细胞序）。预期：ablate≈56.2（节点29水平），full=ablate+分层增益；若 full 与 ablate 逐位相同或差<噪声，判定机制未运行，提交 NO_CHANGE（=父节点30）。二级对照 α=0→逐位=copy_last（50.0）。",
 "sources": []}
```
原始记录位置/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/researcher.jsonl 73 KB
/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/researcher.stderr

审查员

角色审查员 alibaba-token-plan-cn/qwen3.8-max
调用次数1 次
轮数7
工具调用共 9 次：read 5、bash 3、write 1
用时1 分
token 数输入 29,956 · 输出 1,724 · 思考 1,037
任务（第一行）审查节点 n32 的程序是否越界读取、写死目标、钻评分器漏洞
最后的回答（摘录）
REVIEW.json written
原始记录位置/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/reviewer.jsonl 129 KB
/home/spark-longxinyang/vec/runs/formal/20261003-172000-search-t2-heart-extrap-chain-12h/nodes/32/reviewer.stderr