许多变量里，哪些真正决定系统接下来会走向哪里？

研究对象

以具有两条竞争路径的二维或低维随机系统为基准，比较常用坐标与committor；带惯性或记忆时将速度或环境状态显式纳入，再与原始方法研究对照。

为什么值得做

建立面向转变去向的状态选择方法。拟比较不同坐标条件下概率的分散、校准和跨条件表现，指出需要补记什么，而不是用一张降维图解释机制。

待比较的机制

• 选定少数坐标在限定动力学与态区定义下已足够描述转变去向
• 相同读数对应不同速度、路径或环境状态，隐藏变量使后续概率分开
• 训练样本和时间范围制造表观可预测性，换初态、噪声或观测协议后失效

与父库的分界

专题第4篇。T101研究运动方程闭合，T108研究同一宏观操作的不同实现；本题目标是A/B态区间的转变概率及状态可辨识性。T70和T39的路径证据只作背景。父库因果推断/有效理论篇不替代本题的预测校准；相关特征、好的坐标与可改变机制分别论证。

证据入口

1. Iterative variational learning of committor-consistent transition pathways using artificial neural networks

   2025 · 原始方法研究；已核出版方检索题录与摘要，直接正文页面访问未成功。用转变概率及一致路径研究多种动力学与竞争路径；开题优先核公开势能基准，全文、附件、代码与版本待取得。 · 摘要或题录入口已核

2. Reactive path ensembles within nonequilibrium steady states

   2025 · 原始非平衡转变路径理论研究；已核题录与摘要。用于检查稳态分布、流和转变路径的关系，不能把平衡势垒公式直接外推；全文、路径定义、控制假设与推导待开题核对。 · 摘要或题录入口已核

入口初筛 2026-10-08；课题尚未完成时，这些材料不代表已有研究结论。