Hoe berekent een embryo betrouwbaar zijn vorm - "cel voor cel" - alleen met lokale interacties en mechanica, en produceert het toch een nauwkeurig globaal lichaamsplan? Ik ben enthousiast om ons Nature Methods-artikel "MultiCell: geometrisch leren in multicellulaire ontwikkeling" te delen, waarin #AIxBiology-onderzoek wordt gepresenteerd onder leiding van @HaiqianYang en het resultaat van een geweldige samenwerking met Ming Guo, George Roy, Tomer Stern, Anh Nguyen en Dapeng Bi. Een langdurige uitdaging in de ontwikkelingsbiologie is om te voorspellen hoe duizenden cellen zich collectief zelforganiseren terwijl weefsels vouwen, delen en herschikken. In MultiCell vertegenwoordigen we een zich ontwikkelend embryo als een duale grafiek die twee complementaire perspectieven van weefselmechanica met een enkele celresolutie verenigt: cellen als bewegende punten (korrelig) en cellen als een verbonden schuim (verbinding netwerk). Dit stelt het model in staat om dynamiek te leren van zowel geometrie als cel-celconnectiviteit. Op 4D lichtbladfilms van het hele embryo van Drosophila gastrulatie (~5.000 cellen) voorspelt ons model belangrijke celgedragingen en de timing van gebeurtenissen, waaronder het verlies van verbindingen, herschikkingen en delingen met hoge nauwkeurigheid, op een enkele celresolutie. Naast voorspelling ondersteunt dezelfde representatie robuuste tijdsafstemming tussen embryo's en biedt interpreteerbare activatiekaarten die de morfogenetische "drijvers" van ontwikkeling benadrukken. Het bredere doel is een basis voor cel-voor-celvoorspelling in complexere weefsels, en uiteindelijk voor het detecteren van subtiele dynamische handtekeningen van ziekte. Kudos aan het team voor deze inspirerende samenwerking met briljante onderzoekers om de grenzen van AI voor biologie te verleggen! Citaat: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: geometrisch leren in multicellulaire ontwikkeling. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Code/data links zijn in het manuscript.

Bio-geïnspireerde zwermintelligentie voor AI-muziekcompositie: MusicSwarm installeert vele identieke, bevroren foundation-model agenten die alleen coördineren via peer-to-peer feedback en feromoonachtige signalen. Zonder enige gewichtupdates organiseren deze agenten zich spontaan in gedifferentieerde rollen en produceren ze composities met hogere lokale nieuwheid, rijkere ritmische diversiteit en een meer mensachtige kleine-wereldstructuur dan centraal beoordeelde multi-agent of single-shot baselines. We observeren zwermdynamiek die convergeert naar Nash-achtige evenwichten in de ruimte van agentgedragingen, terwijl de voortdurende opkomst van nieuwe motieven en langeafstandskoppelingen een Gödeliaans perspectief realiseert: interactie agenten plus een gedeeld extern wereldmodel gedragen zich als een meta-systeem waarvan de creatieve trajecten verder gaan dan die van enig enkel, monolithisch model.

Wat een leuke verrassing - ik heb zojuist een hardcopy van het Journal of Materials Research ontvangen met ons artikel op de cover! Ons artikel, "Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks," verkent hoe AI verder kan gaan dan statische retrieval om actief hun eigen kennisstructuren op te bouwen en te verfijnen. Het systeem groeit een grafiek van concepten en relaties door middel van recursief redeneren - effectief "denken in grafieken" - en organiseert zichzelf in schaalvrije, modulaire netwerken die weerspiegelen hoe menselijke kennis evolueert. De implicaties zijn spannend: deze benadering zou kunnen transformeren hoe AI nieuwe materialen ontdekt, ideeën over disciplines heen verbindt en wetenschappelijke hypothesen genereert - wat leidt tot zelforganiserende, redeneringsgedreven systemen voor wetenschap en techniek. Dit werk werd gepubliceerd als een Uitgenodigde Kenmerkende Paper in verband met mijn @Materials_MRS Distinguished Invited Speaker Lecture op de MRS Spring Meeting in Seattle, en ik ben dankbaar aan het MRS Journal of Materials Research en @SpringerNature voor het uitlichten op de cover. Een grote dank aan iedereen die de grens van AI-gedreven ontdekking en graf-native redeneren vooruit helpt! Het is een spannende tijd voor de convergentie van wetenschap, intelligentie en ontwerp.