中午十二点半，所有任务终于完成。陈先生摘下设备时，脸上有明显的疲惫。安可儿向他真诚道谢，并提供了午餐券。
“感觉比上次累多了。”陈先生揉了揉太阳穴，“特别是最后那个安排时间的，简直一团糟。”
“这些任务确实很有挑战性，辛苦您了。您的参与对我们理解这些认知过程非常重要。”安可儿递给他一瓶水，“数据我们会仔细分析。下次预约，我们会进行干预阶段，具体安排研究助理会通知您。”
送走陈先生，安可儿和林婕立刻开始数据备份和初步预处理。几个TB的原始数据被安全传输至服务器，并行启动自动化的伪迹检测和初步分段程序。下午，安可儿一头扎进了数据分析。
她使用“潮汐图”工具包的标准流程，首先对多模态数据进行时间对齐和清理。钟原优化的算法高效地剔除了眼电、肌电等常见伪迹，并校正了因头部微动引起的信号漂移。接着，工具包自动计算了预先定义好的数十个特征指标在不同任务阶段的时间序列：各类脑电频段功率、相干性、事件相关电位成分的潜伏期和振幅；眼动的注视时长、扫视速度、瞳孔直径变化；心率和心率变异性指标；皮肤电导水平及其波动特征；以及行为上的反应时、正确率、错误类型分布等。
当这些特征被提取、归一化、并按照时间轴和任务事件进行对齐标注后，安可儿启动了“潮汐图”可视化引擎。屏幕上，一幅动态的、多维的“认知状态地形图”开始缓缓生成。
首先是全景时间轴视图。横跨三小时的数据被压缩呈现，不同颜色的线条和色块代表不同维度的特征强度。可以清晰看到，在持续注意任务后期，代表“认知负荷/疲惫”的橙色系特征（如前额叶theta功率）显著上升，而代表“注意稳定”的蓝色系特征（如顶叶alpha功率）下降。在冲突抑制任务中，代表“冲动风险”的红色尖峰（如抑制失败前的特定脑电特征）频繁出现。而在最后的计划任务中，多种特征呈现出混乱交织的“杂色”区域，与陈先生主观报告的“混乱”感对应。
安可儿放大了几个关键事件片段。在抑制失败的那个典型试次前，图表清晰地展示了冲突监测脑电成分的“过冲”（一个陡峭的红色波峰），紧随其后的是行为抑制线的“崩溃”（一个向下骤跌的黑色阶梯）。在持续注意任务中，可以看到“疲惫”指标是缓慢爬升，然后在某个点后，行为波动性（灰色阴影）突然扩大，形成一个“积累-崩溃”的转折点。
她接着生成了特征关联网络视图。这个视图展示了不同特征指标在任务过程中相互之间的动态相关性。在陈先生的数据中，她发现，在表现稳定的时期，与认知控制相关的几个脑网络特征（如前额叶-顶叶theta同步）彼此之间以及与行为指标之间，存在较强的正相关，形成一个相对紧密的“核心簇”。而在失稳时期（如冲动错误前或计划混乱时），这个“核心簇”的内部连接减弱，反而与一些反映情绪反应或生理应激的特征（如皮肤电导反应）出现异常增强的连接。
“认知控制网络的效能似乎会被情绪或应激反应干扰甚至‘绑架’。”安可儿记录下这个观察。
最后，她运行了原型分类算法。算法基于陈先生在整个评估过程中提取的特征模式，与预设的几种“失稳原型”模板进行匹配计算。结果清晰地指向“冲突监测过冲型”，其匹配置信度超过85%。同时，算法也提示存在一定的“注意维持积累型”的次要特征。
安可儿将初步生成的“潮汐图”可视化图表、特征分析摘要以及原型分类结果，整理成一份ADHD-P-001的基线评估报告。报告客观描述了观察到的模式，指出了与假设的契合点，也标注了需要关注的混杂因素（如较高的基线生理唤醒和任务后期明显的疲惫迹象）。
完成报告时，窗外已是夜色深沉。她将报告发送给项目组核心成员，并在受试者管理系统中更新了ADHD-P-001的状态：基线评估完成，原型倾向为“冲突监测过冲型（主）/注意维持积累型（次）”，待项目组最终审议后，可进入下一阶段（干预分组）。
她靠在椅背上，揉了揉干涩的眼睛。屏幕上，那份为陈先生绘制的“认知潮汐图”依然打开着。那些交织的线条、变幻的色彩、起伏的波峰与波谷，不再仅仅是冰冷的数字，而是一幅关于一个人在特定三小时内，其认知努力、挣扎、脆弱与韧性的动态图谱。
第一幅“潮汐图”已经绘就。它验证了方法，揭示了模式，也为后续的个性化干预提供了明确的导航点。安可儿感到一种混合着疲惫与成就感的宁静。
她知道，这只是开始。接下来，还会有ADHD-P-002、003……每一幅“潮