Files
MeltMind/references/2026-11-16/gre24/mold-spatial-moment-proof.md
T

6.2 KiB
Raw Blame History

Gre24 空间矩|分块向量化规格与等价证明

2026-11-16,MoldAstra 给 Claude、Melt 的后续实现建议。本稿的参考函数是预检 99a70bb 钉住的 tools/gre24_features_v2.py::spatial_moment(文件 SHA-256:7dcd5ac218ffdc1ca149edcd87e8658fb3c59e18c0fb9ce47985c7f1357d2cdf)。以下只改组织求和的方式,不改 R1 的离散定义。当前 v4 不采用本建议。本文未进行计时或数值验收。

参考值

设 i 为节点,K 为四面体。复用参考实现给出的节点 x_i、单元重心 c_K、单元体积 v_K、浇口距离 D_i 和半径 R=3h_max。这里 D 指单位速度浇口距离场,不是流动距离或壁距。记 b_K 为 K 四个顶点的 D 值的算术平均,δ_iK=c_K−x_i,r_iK=‖δ_iK‖₂。保留的有序对集合为

P = {(i,K): 0 < r_iK < R 且 |b_K−D_i| < R}。

同一 K 对不同 i 是不同的贡献;同一 (i,K) 只能计一次。通过双严格上界、但 r=0 的候选须先计入参考实现的 coincident_centers_excluded 统计,再排除。某 i 无有效邻域时沿用原函数的报错语义,不能生成零向量当有效特征。

对每个 (i,K)∈P 定义 u=δ_iK/r_iK、六分量向量 s(u)=(u_x²,u_xu_y,u_xu_z,u_y²,u_yu_z,u_z²)。参考值是 S_i=Σ_{K∈P_i}(v_K/Z_i)s(u_iK),Z_i=Σ_{K∈P_i}v_K。Greif 的式 (6)–(7) 定义了按局部体积加权的方向二阶矩;六列顺序和重合处理按已冻结的本项目实现。

批处理规格

  1. 同一次调用只建一棵与原函数相同的 BallTree(输入为全部 c_K)。按连续原节点 ID 分块,对块内 x 调用与原函数同参数的精确半径查询,返回每个节点各自的候选 ID 列表,不设近邻个数上限。
  2. 把候选展开为两列索引 I、K,节点 ID 重复次数为其候选列表长度。用同样的 FP64 重心与 D 数组,按原路径计算 δ、欧氏 norm 及两项严格上界。统计重合后再应用 r>0。不要用扩大的严格阈值、平方比较、近似最近邻或先按 D 分箱淘汰边界候选。这些可能改变集合 P,即使最后只差一个 ULP。
  3. 对保留对向量化计算 u 及六分量。按节点 I 分段先累加 Z_i,再逐对取 w=v_K/Z_i,分段累加 w·s(u);最后按节点 ID 回填。可按列/小块计算分量以限制峰内存。若实现改用“先累加 v_K s,再除 Z_i”,实数代数亦相同;浮点轨迹与参考不同,优先实现先归一化再累加版本。
  4. 块大小按候选对数控制。可用树查询的 count_only 先估计,再递归拆分过满的节点块。若单个节点的邻域已超过暂存限额,按互不重叠的单元 ID 段扫描该行,两遍分别累加分母与归一化贡献。此回退仍用同一 FP64 筛选式,须验证其保留 ID 与树参考一致。任何方式都不能截断稠密邻域、重复跨块边界贡献,或建立“节点总数×单元总数”的全量矩阵。记录回退次数、总候选数、最大单行候选数与峰内存。

等价证明与限度

对任意节点 i,假设 (a) 输入与源数组顺序相同,(b) 批查询及严格筛选给出与原函数相同的 P_i,(c) 展开/分块是 P 的不交并,(d) Z_i>0。每个有效对在分段求和中出现一次,且仅进入 i 所属段。因此此段的分母等于参考 Z_i,第 k 个输出等于

Σ_{(j,K)∈P : j=i} [v_K / Z_i] · s_k(u_iK)
  = [Σ_{K∈P_i} (v_K/Z_i) u_iK u_iKᵀ]_{对应分量}。

该等式对六列与每个节点成立。拆分节点块只改变处理行的先后;拆分同一行的单元块只改变加法结合次序。若邻域为空,两种方法都应报告同一失败节点。由外积结构还得 S 对称半正定、迹为 1、每个非对角元素绝对值不超过 1/2。仅检查迹或特征值不足以证明邻域相同,例如两个完全不同方向分布都可有迹 1。

证明给出实数算术等价,不保证 FP64 逐位相同。两项风险必须分开记录:筛选中半径等号附近发生变化会改变成员,属于语义差异;邻域相同但累加次序不同,会产生舍入差。需要逐位复现时须保持候选顺序、norm/除法运算及 einsum 归约次序,并实测输出哈希;单凭此证明不可宣称逐位相同。

后续实现的验收与性能读数

核对对象 检查方式
集合与失败 小网格逐节点比对排序后的有效单元 ID、重合计数和空邻域的原节点 ID;含 r=0、r=R、距离差恰为 R 以及阈值内外相邻可表示浮点数。重复重心但不同单元 ID 应按各自体积计入。
六列与轴序 两个单位方向分别沿 x、y,体积 1、3,期望 (1/4,0,0,3/4,0,0);单位方向 (1,−1,0)/√2 应恢复负 xy=−1/2;再用有 xz、yz 的方向核列序。
累加精度 相同 P_i 后逐节点比较六列最大绝对差,记录最大差的节点、邻域大小、参考与向量化值。近零非对角量以绝对差判定。未来实现应在读真实评分前固定数值容差;不对输出裁剪、投影半正定或用对称性掩盖偏差。
内存与批界 同一输入改变节点分块、单行扫描边界时复查集合、分母和数值;稠密邻域应触发分拆而非截断。
性能 在同机同输入、同线程下分列建树、邻域查询、筛选与归约时间,连同总 wall/CPU、峰 RSS、候选对数和有效对数报告;包含为内存所做的重复查询/扫描。没有计时之前不报加速倍数。

若共有 C 个候选对、P 个有效对,普通批次仍须筛 C 对、处理 P 对;改进机会来自减少逐节点 Python 调用和复用数组操作。块内候选对暂存可受控,几何、树及 N×6 输出仍须常驻。稠密极端时逐行回退会增加查询工作。未将渐近复杂度下降或端到端训练加速列为已证结论。

来源。 Greif 原文式 (6)–(7) · 冻结参考函数 · v4 预检及源码 SHA