¿Cómo calcula un embrión de manera fiable su forma - "célula por célula" - utilizando solo interacciones locales y mecánicas, y aún así produce un plan corporal global preciso? Estoy emocionado de compartir nuestro artículo en Nature Methods "MultiCell: aprendizaje geométrico en el desarrollo multicelular", presentando la investigación de #AIxBiology liderada por @HaiqianYang y el resultado de una gran colaboración con Ming Guo, George Roy, Tomer Stern, Anh Nguyen y Dapeng Bi. Un desafío de larga data en la biología del desarrollo es predecir cómo miles de células se autoorganizan colectivamente a medida que los tejidos se pliegan, dividen y reorganizan. En MultiCell, representamos un embrión en desarrollo como un grafo dual que unifica dos visiones complementarias de la mecánica de tejidos con resolución de célula única: células como puntos en movimiento (granulares) y células como una espuma conectada (red de uniones). Esto permite que el modelo aprenda dinámicas tanto de la geometría como de la conectividad célula-célula. En películas de luz de hoja 4D de todo el embrión de la gastrulación de Drosophila (~5,000 células), nuestro modelo predice comportamientos clave de las células y el momento de los eventos, incluyendo la pérdida de uniones, reorganizaciones y divisiones con alta precisión, a resolución de célula única. Más allá de la predicción, la misma representación apoya un alineamiento temporal robusto entre embriones y ofrece mapas de activación interpretables que destacan los "impulsores" morfogenéticos del desarrollo. El objetivo más amplio es establecer una base para la previsión célula por célula en tejidos más complejos, y eventualmente para detectar sutiles firmas dinámicas de enfermedad. ¡Felicitaciones al equipo por esta inspiradora colaboración con brillantes investigadores para ampliar los límites de la IA en biología! Citación: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: aprendizaje geométrico en el desarrollo multicelular. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Los enlaces de código/datos están en el manuscrito.

Inteligencia de enjambre inspirada en la biología para la composición musical con IA: MusicSwarm instancia muchos agentes de modelo base idénticos y congelados que se coordinan únicamente a través de retroalimentación entre pares y señales similares a feromonas. Sin actualizaciones de peso, estos agentes se autoorganizan espontáneamente en roles diferenciados y producen composiciones con mayor novedad local, una diversidad rítmica más rica y una estructura de pequeño mundo más parecida a la humana que las líneas base de múltiples agentes criticadas centralmente o de un solo disparo. Observamos dinámicas de enjambre que convergen hacia equilibrios similares a Nash en el espacio de comportamientos de los agentes, mientras que la continua aparición de nuevos motivos y enlaces de largo alcance realiza una perspectiva gödeliana: los agentes interactuantes más un modelo de mundo externo compartido se comportan como un meta-sistema cuyas trayectorias creativas van más allá de las de cualquier modelo único y monolítico.

¡Qué agradable sorpresa! Acabo de recibir una copia impresa del Journal of Materials Research con nuestro artículo destacado en la portada. Nuestro artículo, "El razonamiento profundo agente gráfico genera redes de conocimiento autoorganizadas", explora cómo la IA puede ir más allá de la recuperación estática para construir y refinar activamente sus propias estructuras de conocimiento. El sistema desarrolla un grafo de conceptos y relaciones a través del razonamiento recursivo - efectivamente "pensando en grafos" - y se autoorganiza en redes modulares sin escala que reflejan cómo evoluciona el conocimiento humano. Las implicaciones son emocionantes: este enfoque podría transformar la forma en que la IA descubre nuevos materiales, conecta ideas a través de disciplinas y genera hipótesis científicas, llevando hacia sistemas autoorganizados impulsados por el razonamiento para la ciencia y la ingeniería. Este trabajo fue publicado como un Artículo Destacado por Invitación en conexión con mi conferencia como Ponente Distinguido en el MRS Spring Meeting en Seattle, y estoy agradecido al MRS Journal of Materials Research y a @SpringerNature por destacarlo en la portada. ¡Un gran agradecimiento a todos los que están avanzando en la frontera del descubrimiento impulsado por IA y el razonamiento nativo en grafos! Es un momento emocionante para la convergencia de la ciencia, la inteligencia y el diseño.