Motivation

• 提供一个最小、可运行的教学示例来演示如何用 PyTorch 实现和训练一个简化的扩散薛定谔桥（Diffusion Schrödinger Bridge）。
• 便于用户用合成数据或 CSV 数据快速复现端点重建与路径重建的基本流程与度量。

Description

• 新增 dsb_torch.py，包含配对数据集类 BridgePairDataset、合成数据生成器 make_synthetic_bridge_dataset、以及 CSV 导入/导出接口。
• 实现时间嵌入 TimeEmbedding 与时间条件 MLP 模型 BridgeDenoiser，模型输入为 (x_t, t)，输出为 (x0_hat, x1_hat)。
• 增加训练流水线（噪声桥采样 sample_noisy_bridge、训练循环 train）以及验证指标计算 compute_metrics，并在每 epoch 打印 val_loss、endpoint_mse、endpoint_mae 和 path_mse。
• 更新 README.md，补充依赖、数据格式、使用示例命令和指标说明（包含 --make_synth_csv 用法）。

Testing

• 成功运行语法检查：python -m py_compile dsb_torch.py（通过）。
• 试图直接运行短训练（python dsb_torch.py --epochs 2 --n_samples 1000 --batch_size 128）时出现 ModuleNotFoundError: No module named 'numpy'（失败，依赖缺失）。
• 尝试自动安装依赖（pip install numpy pandas --quiet）在当前环境中因网络/代理限制失败（失败，无法从 PyPI 拉取包）。

Codex Task