Como um embrião "calcula" sua forma de forma confiável – "célula por célula" – usando apenas interações e mecânicas locais, mas produz um plano corporal global preciso? Estou animado para compartilhar nosso artigo da Nature Methods "MultiCell: aprendizagem geométrica no desenvolvimento multicelular", apresentando #AIxBiology pesquisa liderada por @HaiqianYang e resultado de uma excelente colaboração com Ming Guo, George Roy, Tomer Stern, Anh Nguyen e Dapeng Bi. Um desafio antigo na biologia do desenvolvimento é prever como milhares de células se autoorganizam coletivamente à medida que os tecidos se dobram, dividem e rearranjam. No MultiCell, representamos um embrião em desenvolvimento como um grafo dual que unifica duas visões complementares da mecânica dos tecidos com resolução de célula única: células como pontos móveis (granulares) e células como uma espuma conectada (rede de junção). Isso permite que o modelo aprenda dinâmicas tanto da geometria quanto da conectividade célula-célula. Em filmes de folha de luz 4D de embrião inteiro de gastrulação de Drosophila (~5.000 células), nosso modelo prevê comportamentos-chave das células e o momento dos eventos, incluindo perda de junção, rearranjos e divisões, com alta precisão, em resolução de célula única. Além da previsão, a mesma representação suporta um alinhamento temporal robusto entre embriões e oferece mapas de ativação interpretáveis que destacam os "motores" morfogenéticos do desenvolvimento. O objetivo mais amplo é uma base para a previsão célula a célula em tecidos mais complexos e, eventualmente, para detectar sinais dinâmicas sutis de doenças. Parabéns à equipe por essa colaboração inspiradora com pesquisadores brilhantes para expandir os limites da IA na biologia! Citação: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: aprendizagem geométrica no desenvolvimento multicelular. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Links de código/dados estão no manuscrito.

Inteligência de enxame inspirada em bio para composição musical por IA: O MusicSwarm instancia muitos agentes idênticos e congelados do modelo de fundação que se coordenam apenas por meio de feedback peer-to-peer e sinais semelhantes a feromônios. Sem atualizações de peso, esses agentes se autoorganizam espontaneamente em papéis diferenciados e produzem composições com maior novidade local, diversidade rítmica mais rica e estrutura de mundo pequeno mais humana do que linhas de base multiagente ou de plano único criticadas centralmente. Observamos dinâmicas de enxame que convergem para equilíbrios semelhantes a Nash no espaço dos comportamentos dos agentes, enquanto o surgimento contínuo de novos motivos e conexões de longo alcance realiza uma perspectiva Gödeliana: agentes interagindo mais um modelo de mundo externo compartilhado se comportam como um meta-sistema cujas trajetórias criativas vão além das de qualquer modelo monolítico único.

Que surpresa agradável - acabei de receber uma cópia impressa do Journal of Materials Research com nosso artigo na capa! Nosso artigo, "Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks", explora como a IA pode ir além da recuperação estática para construir e refinar ativamente suas próprias estruturas de conhecimento. O sistema desenvolve um gráfico de conceitos e relacionamentos por meio do raciocínio recursivo - efetivamente "pensando em gráficos" - e se auto-organiza em redes modulares sem escala que refletem como o conhecimento humano evolui. As implicações são empolgantes: essa abordagem pode transformar a forma como a IA descobre novos materiais, conecta ideias entre disciplinas e gera hipóteses científicas - levando a sistemas auto-organizados e orientados pelo raciocínio para ciência e engenharia. Este trabalho foi publicado como um artigo convidado em conexão com minha @Materials_MRS palestra de palestrante convidado distinto no MRS Spring Meeting em Seattle, e sou grato ao MRS Journal of Materials Research e @SpringerNature por apresentá-lo na capa. Um grande obrigado a todos que avançam na fronteira da descoberta orientada por IA e do raciocínio nativo de grafos! É um momento emocionante para a convergência de ciência, inteligência e design.