Jak zarodek niezawodnie "oblicza" swoją formę - "komórka po komórce" - używając tylko lokalnych interakcji i mechaniki, a jednocześnie produkuje precyzyjny globalny plan ciała? Cieszę się, że mogę podzielić się naszym artykułem w Nature Methods "MultiCell: uczenie geometryczne w rozwoju wielokomórkowym", prezentującym badania #AIxBiology prowadzone przez @HaiqianYang oraz będącym wynikiem wspaniałej współpracy z Ming Guo, George Roy, Tomer Stern, Anh Nguyen i Dapeng Bi. Od dawna wyzwaniem w biologii rozwojowej jest przewidzenie, jak tysiące komórek zbiorowo samodzielnie organizują się, gdy tkanki się składają, dzielą i przestawiają. W MultiCell reprezentujemy rozwijający się zarodek jako podwójny graf, który łączy dwa komplementarne spojrzenia na mechanikę tkanek z rozdzielczością pojedynczej komórki: komórki jako poruszające się punkty (granularne) oraz komórki jako połączona pianka (sieć węzłów). To pozwala modelowi uczyć się dynamiki zarówno z geometrii, jak i z połączeń między komórkami. Na całkowitych 4D filmach świetlnych zarodków Drosophila gastrulacji (~5 000 komórek), nasz model przewiduje kluczowe zachowania komórek i czas wydarzeń, w tym utratę węzłów, przestawienia i podziały z wysoką dokładnością, na poziomie pojedynczej komórki. Poza przewidywaniem, ta sama reprezentacja wspiera solidne wyrównanie czasowe między zarodkami i oferuje interpretowalne mapy aktywacji, które podkreślają morfogenetyczne "czynniki" rozwoju. Szerszym celem jest stworzenie fundamentu dla prognozowania komórka po komórce w bardziej złożonych tkankach, a ostatecznie dla wykrywania subtelnych dynamicznych sygnatur chorób. Gratulacje dla zespołu za tę inspirującą współpracę z genialnymi badaczami, aby przesunąć granice AI w biologii! Cytat: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: uczenie geometryczne w rozwoju wielokomórkowym. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Linki do kodu/danych znajdują się w manuskrypcie.

Inteligencja zbiorowa inspirowana biologią do kompozycji muzyki AI: MusicSwarm instancjonuje wiele identycznych, zamrożonych agentów modelu bazowego, które koordynują się tylko za pomocą informacji zwrotnej peer-to-peer i sygnałów przypominających feromony. Bez jakichkolwiek aktualizacji wag, agenci ci spontanicznie samoorganizują się w zróżnicowane role i produkują kompozycje o wyższej lokalnej nowości, bogatszej różnorodności rytmicznej i bardziej ludzkiej strukturze małego świata niż centralnie oceniane wieloagentowe lub jednorazowe punkty odniesienia. Obserwujemy dynamikę roju, która zbiega się w kierunku równowag podobnych do Nash w przestrzeni zachowań agentów, podczas gdy ciągłe pojawianie się nowych motywów i długozasięgowych połączeń realizuje perspektywę gödelowską: interaktywne agenty plus wspólny model zewnętrzny świata zachowują się jak meta-system, którego kreatywne trajektorie wykraczają poza trajektorie jakiegokolwiek pojedynczego, monolitycznego modelu.

Co za miła niespodzianka - właśnie otrzymałem papierową wersję Journal of Materials Research z naszym artykułem na okładce! Nasz artykuł, "Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks," bada, jak AI może wyjść poza statyczne wyszukiwanie, aby aktywnie budować i udoskonalać własne struktury wiedzy. System rozwija graf pojęć i relacji poprzez rekurencyjne rozumowanie - skutecznie "myśląc w grafach" - i samoorganizuje się w sieci bezskaliowe, modułowe, które odzwierciedlają, jak ewoluuje ludzka wiedza. Implikacje są ekscytujące: podejście to może zrewolucjonizować sposób, w jaki AI odkrywa nowe materiały, łączy pomysły z różnych dziedzin i generuje hipotezy naukowe - prowadząc do samoorganizujących się, opartych na rozumowaniu systemów dla nauki i inżynierii. Ta praca została opublikowana jako Zaproszony Artykuł Tematyczny w związku z moim wykładem jako Wybitny Zaproszony Mówca na MRS Spring Meeting w Seattle, i jestem wdzięczny MRS Journal of Materials Research oraz @SpringerNature za umieszczenie go na okładce. Wielkie dzięki dla wszystkich, którzy posuwają naprzód granice odkryć napędzanych przez AI i rozumowanie oparte na grafach! To ekscytujący czas dla zbiegu nauki, inteligencji i designu.