胚胎是如何可靠地 "逐个细胞" 计算其形态的——仅通过局部相互作用和力学，却能产生精确的整体身体计划？我很高兴分享我们的《自然方法》论文《MultiCell：多细胞发育中的几何学习》，这是由 @HaiqianYang 领导的 #AIxBiology 研究，并且是与 Ming Guo、George Roy、Tomer Stern、Anh Nguyen 和 Dapeng Bi 的伟大合作的结果。 发育生物学中的一个长期挑战是预测成千上万的细胞如何在组织折叠、分裂和重组时集体自我组织。在 MultiCell 中，我们将发育中的胚胎表示为一个双重图，统一了组织力学的两个互补视角，具有单细胞分辨率：细胞作为移动点（颗粒）和细胞作为连接泡沫（连接网络）。这使得模型能够从几何和细胞-细胞连接性中学习动态。 在果蝇胚胎发育的整体4D光片电影中（约5000个细胞），我们的模型以单细胞分辨率高精度预测关键细胞行为和事件的时序，包括连接丧失、重组和分裂。除了预测，相同的表示支持跨胚胎的稳健时间对齐，并提供可解释的激活图，突出发育的形态发生 "驱动因素"。更广泛的目标是为更复杂组织中的逐个细胞预测奠定基础，最终用于检测疾病的微妙动态特征。 向团队致敬，感谢与杰出研究人员的这一鼓舞人心的合作，推动生物学领域的AI边界！ 引用：Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: geometric learning in multicellular development. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x 代码/数据链接在手稿中。

生物启发的群体智能用于人工智能音乐创作：MusicSwarm 实现了许多相同的、固定的基础模型代理，这些代理仅通过点对点反馈和类似信息素的信号进行协调。在没有任何权重更新的情况下，这些代理自发地自我组织成不同的角色，并产生比集中评估的多代理或单次基线更具地方新颖性、更丰富的节奏多样性和更人性化的小世界结构的作品。我们观察到群体动态在代理行为空间中趋向于类似纳什的均衡，同时新主题和长程链接的持续出现实现了一种哥德尔视角：相互作用的代理加上共享的外部世界模型表现为一个元系统，其创造性轨迹超越了任何单一的、单一模型的轨迹。

多么令人惊喜 - 我刚收到了一本《材料研究杂志》的纸质版，封面上有我们的论文！我们的文章《代理深图推理产生自组织知识网络》探讨了AI如何超越静态检索，主动构建和完善自己的知识结构。该系统通过递归推理构建概念和关系的图 - 有效地“在图中思考” - 并自组织成无尺度的模块化网络，反映了人类知识的演变方式。其影响令人兴奋：这种方法可能会改变AI发现新材料、跨学科连接思想和生成科学假设的方式 - 朝着自组织、基于推理的科学和工程系统迈进。 这项工作作为邀请特刊论文发表，与我在西雅图MRS春季会议上的@Materials_MRS杰出邀请演讲相关，我对《材料研究杂志》和@SpringerNature将其放在封面上表示感谢。非常感谢所有推动AI驱动发现和图形原生推理前沿的人！这是科学、智能和设计融合的激动人心的时刻。