利用连续平均在 Wasserstein 空间中进行高效轨迹推断

基于摘要分析。研究面向计算生物学等领域的动态过程：当观测来自不同时间的横截面点云，而非同一粒子的连续追踪时，如何重建连续演化轨迹。作者提出基于 Wasserstein 空间内连续平均的 B-spline 逼近与插值方法，以保留点云分布的几何性质。 核心机制是结合细分方案与基于最优传输的测地线，在选定的精度和平滑度下进行轨迹推断。摘要称该方法还能自动处理粒子随时间分裂的情形；作者报告证明了线性收敛率，但具体度量、成立假设及计算复杂度尚未验证。其方法价值在于直接利用分布空间的几何结构，而不是仅把点云视为普通欧氏向量；摘要尚不足以判断连续平均的具体运算、最优传输求解方式及分裂处理机制。 作者报告在包含分岔、合并及 supercells 等轨迹分裂情形的细胞数据上进行了评估，并与先进的轨迹推断和插值方法比较，结果支持所提方法的有效性及几何一致的插值、逼近的益处。摘要未提供数据集名称、样本规模、划分方式、具体基线、指标或数值，因此无法量化效果与效率优势；实验协议、消融及统计信息尚未验证。 原论文的主要研究对象是点云分布的动态轨迹与细胞数据，并非 EEG 解码或 BCI。现有材料未建立其与具体 EEG 瓶颈的对应关系，不能据此推断 BCI 有效性；已有 EEG 相关工作尚未检索确认。复现前需核对点云表示、时间采样要求、最优传输计算、精度与平滑度控制，以及分裂场景的评估定义。