Bagaimana embrio dengan andal "menghitung" bentuknya - "sel demi sel" - hanya menggunakan interaksi dan mekanika lokal, namun menghasilkan rencana tubuh global yang tepat? Saya sangat senang untuk membagikan makalah Metode Alam kami "MultiCell: pembelajaran geometris dalam pengembangan multiseluler", menyajikan penelitian #AIxBiology dipimpin oleh @HaiqianYang dan hasil kolaborasi hebat dengan Ming Guo, George Roy, Tomer Stern, Anh Nguyen dan Dapeng Bi. Tantangan lama dalam biologi perkembangan adalah memprediksi bagaimana ribuan sel secara kolektif mengatur diri sendiri saat jaringan melipat, membelah, dan mengatur ulang. Dalam MultiCell, kami mewakili embrio yang sedang berkembang sebagai grafik ganda yang menyatukan dua pandangan melengkapi mekanika jaringan dengan resolusi sel tunggal: sel sebagai titik bergerak (granular) dan sel sebagai busa yang terhubung (jaringan persimpangan). Ini memungkinkan model mempelajari dinamika dari geometri dan konektivitas sel-sel. Pada film lembaran cahaya 4D embrio utuh dari gastrulasi Drosophila (~5.000 sel), model kami memprediksi perilaku sel utama dan waktu peristiwa, termasuk kehilangan persimpangan, penataan ulang, dan pembelahan dengan akurasi tinggi, pada resolusi sel tunggal. Di luar prediksi, representasi yang sama mendukung penyelarasan waktu yang kuat di seluruh embrio dan menawarkan peta aktivasi yang dapat ditafsirkan yang menyoroti "pendorong" perkembangan morfogenetik. Tujuan yang lebih luas adalah fondasi untuk peramalan sel demi sel di jaringan yang lebih kompleks, dan akhirnya untuk mendeteksi tanda tangan dinamis penyakit yang halus. Pujian untuk tim atas kolaborasi inspiratif ini dengan para peneliti brilian untuk mendorong batas AI untuk biologi! Kutipan: Yang, H., Roy, G., Nguyen, A.Q., Buehler, MJ, dkk. MultiCell: pembelajaran geometris dalam pengembangan multiseluler. Metode Alam (2025), DOI: 10.1038/s41592-025-02983-x Tautan kode/data ada dalam naskah.

Kecerdasan kawanan yang terinspirasi bio untuk komposisi musik AI: MusicSwarm membuat instance banyak agen model foundation beku yang identik yang hanya berkoordinasi melalui umpan balik peer-to-peer dan sinyal seperti feromon. Tanpa pembaruan bobot, agen-agen ini secara spontan mengatur diri menjadi peran yang berbeda dan menghasilkan komposisi dengan kebaruan lokal yang lebih tinggi, keragaman ritmis yang lebih kaya, dan struktur dunia kecil yang lebih mirip manusia daripada garis dasar multi-agen atau tembakan tunggal yang dikritik secara terpusat. Kami mengamati dinamika kawanan yang menyatu menuju keseimbangan seperti Nash dalam ruang perilaku agen, sementara kemunculan terus-menerus dari motif baru dan tautan jarak jauh mewujudkan perspektif Gödelian: agen yang berinteraksi ditambah model dunia eksternal bersama berperilaku sebagai meta-sistem yang lintasan kreatifnya melampaui model monolitik tunggal.

Sungguh kejutan yang bagus - saya baru saja menerima salinan cetak Journal of Materials Research dengan makalah kami yang ditampilkan di sampulnya! Artikel kami, "Penalaran Agen Deep Graph Menghasilkan Jaringan Pengetahuan yang Mengorganisir Diri," mengeksplorasi bagaimana AI dapat bergerak melampaui pengambilan statis untuk secara aktif membangun dan menyempurnakan struktur pengetahuan mereka sendiri. Sistem ini menumbuhkan grafik konsep dan hubungan melalui penalaran rekursif - secara efektif "berpikir dalam grafik" - dan mengatur diri sendiri menjadi jaringan modular bebas skala yang mencerminkan bagaimana pengetahuan manusia berkembang. Implikasinya menarik: pendekatan ini dapat mengubah cara AI menemukan bahan baru, menghubungkan ide-ide lintas disiplin ilmu, dan menghasilkan hipotesis ilmiah - yang mengarah ke sistem yang digerakkan oleh penalaran untuk sains dan teknik. Karya ini diterbitkan sebagai Makalah Fitur yang Diundang sehubungan dengan Kuliah Pembicara Undangan Terhormat @Materials_MRS saya di Pertemuan Musim Semi MRS di Seattle, dan saya berterima kasih kepada MRS Journal of Materials Research and @SpringerNature karena telah menampilkannya di sampul. Terima kasih banyak kepada semua orang yang memajukan batas penemuan berbasis AI dan penalaran asli grafik! Ini adalah waktu yang menyenangkan untuk konvergensi sains, kecerdasan, dan desain.