3.2.2 常曲率空间模型

文档摘要

3.2.2 常曲率空间模型在几何建模、机器学习嵌入、广义相对论数值模拟乃至现代图神经网络的底层空间设计中，常曲率空间早已不是教科书里静止的抽象对象——它是一套可编程、可微分、可部署的基础设施。当你调用初始化一个向量表时，你默认站在欧氏平地上；但若你正为社交网络中的层级关系建模，或拟合蛋白质折叠路径，或对齐跨语言语义树，那个“默认”很可能正在悄悄背叛你：它强加了零曲率假设，而真实世界的结构张力，往往就藏在那被忽略的 $K \neq 0$ 里。我们不谈哲学意义上的“空间本质”，也不复述高斯-博内定理的优雅陈述。本节直击工程核心：如何在代码中真正构造、参数化、优化并稳定训练一个具有精确常截面曲率 $K$ 的黎曼流形模型？