PhylaFlow：Billera-Holmes-Vogtmann 树空间中的混合流匹配用于生物树谱推断

生物树谱是混合对象：分支长度连续变化，而拓扑结构通过边的收缩和扩张离散变化。Billera-Holmes-Vogtmann (BHV) 树空间为这种结构提供了规范几何，将每个已解析拓扑表示为欧几里得正交棱，将拓扑变化表示为跨越共享低维边界的运动。我们引入 PhylaFlow，一种在 BHV 树空间中学习后验-流域运输的混合流匹配模型。PhylaFlow 在从随机起始树到短期后验样本的 BHV 测地线路径上进行训练，耦合正交棱内连续分支长度运动与所学边界事件及离散拓扑转换。我们对所学几何操作进行实用评估：如果流到达后验相关区域，则在有限预算的贝叶斯细化初始或由其终端树引导时，应更有效地恢复受后验支持的拓扑结构。在 DS1-DS8 生物树谱后验基准测试中，PhylaFlow 相对于经典初始化器显著降低了初始 Tree-KL。在有限预算的 MrBayes 细化后，Direct PhylaFlow 在大多数数据集上改善了早期和中期拓扑恢复轨迹，而 Split-guided PhylaFlow-MCMC 获得了最强的劣势情形结果。最佳 PhylaFlow 变体在 7/8 个数据集上优于短热身，在相同细化预算下对 5/8 个数据集优于 PhyloGFN。在联合序列条件实验中，序列嵌入引导后验分支恢复，但确切的后验拓扑恢复仍处于初步阶段。这些结果表明，混合流匹配能够在 BHV 树空间中学习可操作的运输，并为贝叶斯生物树谱推断提供几何感知的提议机制。