单细胞参考映射不再让类别代表随训练漂移。此前SCLSC用平均表达谱构造类型代表，代表位置在优化中不断变化；SOLAR在训练前给每个参考标签指定一个固定的正交方向，让编码器只学细胞落在该空间的哪里。在人类免疫、肺和胰腺三个数据集的九个留出批次上，30维输出的查询宏F1均值为0.811，高于匹配PCA的0.774，低于scANVI的0.838。
参考图谱的标签关系现在在训练开始前就被固定下来，编码器只负责把表达谱放到这个已定好的空间里。 此前的监督对比方法SCLSC把每个细胞类型的代表构造成平均表达谱，并让细胞和代表一起通过可训练编码器，因此代表在学习空间中的位置会随训练改变。 在人类免疫、肺和胰腺三个数据集的九个留出批次上，统一用30维输出和同一个参考训练的15近邻分类器，SOLAR的查询宏F1均值为0.811，匹配PCA为0.774，且SOLAR相对匹配PCA的优势在三个数据集内均为正。
新细胞进入参考空间时不再需要针对查询数据做任何优化，训练好的编码器直接完成映射。 映射流程分为两段：先用参考细胞做基因选择和主成分拟合并训练编码器，再用同一套预处理和冻结的编码器编码查询细胞。 编码器是三层多层感知机，输入为40个参考拟合主成分，输出经ℓ2归一化；锚点由一次高斯矩阵的正交三角分解得到，每个标签对应一个单位向量，两两内积为零、欧氏距离均为根号2，训练时锚点与细胞嵌入共享同一个对比池。
锚点的存在与重复次数改变的是表示的组织方式，而不只是注释准确率。 在128维的锚点对照中，每细胞重复锚点、每标签唯一锚点与完全不用锚点三种条件被放在一起比较。 重复锚点相对两种对照提高了留出标签的平均轮廓宽度和局部批次多样性iLISI，而查询宏F1相对无锚点仅变化约0.007、相对唯一锚点不足0.001，同时信任度和免疫细胞伪时间平滑度低于两种对照。
评估覆盖人类免疫、肺和胰腺三个真实数据集的九个留出批次，另有两个模拟数据作补充检查；所有被评估的查询标签都出现在对应参考中，因此检验的是闭标签映射。局部结构指标衡量的是与50维PCA表示以及随数据提供的伪时间的一致性，免疫和肺数据各用六个批次评估查询信任度，免疫数据用三个批次评估联合伪时间平滑度。
重复锚点提高了标签分离和局部批次多样性，却让信任度和伪时间平滑度低于两种对照，说明查询标签预测本身没有反映表示的全部变化。锚点对照只改变一个固定锚点库的存在与重复次数，没有比较固定锚点与可学习锚点，也没有比较正交几何与其他固定几何；SOLAR与SCLSC在输入、目标和检查点选择上不同，二者差异不能单独归因于锚点几何。未知细胞类型和错误的参考注释未被评估。
