ESFM：通过约化与扩展空间流匹配重建非平衡动力学

基于摘要分析。本文研究细胞状态与种群丰度同时变化的生物种群非平衡动力学，提出 Extended Space Flow Matching（ESFM），将原本非保守的动态提升为状态与对数质量组成的扩展空间中的保守输运，以统一建模状态转变和丰度变化。 核心机制是将质量变化纳入扩展坐标，使预设条件路径能够与相容的端点耦合及无需模拟的流匹配目标结合。对于状态和对数质量均采用线性插值的情形，作者给出通向可处理最优传输问题的解析约化。摘要未提供具体目标函数、端点耦合构造或求解细节，这些内容尚未验证。 作者指出，现有非平衡流匹配方法通常使用基于锥几何的损失形式，虽在数学上自洽，却可能产生生物学上不理想的状态演化；ESFM 提供了另一种扩展空间建模路径。该对照动机来自作者陈述，不能据此认定既有方法在所有生物数据上均不适用。 作者报告，在合成数据与真实单细胞快照数据集上，ESFM 能准确预测状态和丰度动态。摘要未列出数据集名称、样本规模、划分方式、对照基线或定量指标，实验协议、消融及统计信息尚未验证，也无法据此判断优势幅度与适用边界。 本文主要研究对象是细胞种群动力学，而非 EEG 解码或 BCI；现有材料未建立其质量变化建模与神经信号任务之间的具体对应关系，因此不将结果解读为已验证的 BCI 方法贡献。