Làm thế nào một phôi thai có thể "tính toán" một cách đáng tin cậy hình dạng của nó - "từng tế bào một" - chỉ bằng cách sử dụng các tương tác và cơ học cục bộ, nhưng vẫn tạo ra một kế hoạch toàn cầu chính xác? Tôi rất vui được chia sẻ bài báo của chúng tôi trên Nature Methods "MultiCell: học hình học trong sự phát triển đa tế bào", trình bày nghiên cứu #AIxBiology do @HaiqianYang dẫn dắt và là kết quả của một sự hợp tác tuyệt vời với Ming Guo, George Roy, Tomer Stern, Anh Nguyen và Dapeng Bi. Một thách thức lâu dài trong sinh học phát triển là dự đoán cách hàng ngàn tế bào tự tổ chức thành các mô khi chúng gập lại, phân chia và sắp xếp lại. Trong MultiCell, chúng tôi đại diện cho một phôi đang phát triển như một đồ thị kép thống nhất hai quan điểm bổ sung về cơ học mô với độ phân giải tế bào đơn: tế bào như những điểm di chuyển (hạt) và tế bào như một bọt kết nối (mạng giao điểm). Điều này cho phép mô hình học được động lực từ cả hình học và tính kết nối giữa các tế bào. Trên các bộ phim ánh sáng 4D toàn bộ phôi của sự gastrulation ở Drosophila (~5.000 tế bào), mô hình của chúng tôi dự đoán các hành vi tế bào chính và thời gian của các sự kiện, bao gồm mất giao điểm, sắp xếp lại và phân chia với độ chính xác cao, ở độ phân giải tế bào đơn. Ngoài việc dự đoán, cùng một đại diện hỗ trợ việc căn chỉnh thời gian mạnh mẽ giữa các phôi và cung cấp các bản đồ kích hoạt có thể giải thích, làm nổi bật các "yếu tố thúc đẩy" hình thành của sự phát triển. Mục tiêu rộng hơn là xây dựng nền tảng cho việc dự đoán từng tế bào trong các mô phức tạp hơn, và cuối cùng là phát hiện các dấu hiệu động lực tinh vi của bệnh tật. Chúc mừng đội ngũ vì sự hợp tác đầy cảm hứng này với những nhà nghiên cứu xuất sắc để đẩy ranh giới của AI cho sinh học! Trích dẫn: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: học hình học trong sự phát triển đa tế bào. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Liên kết mã/dữ liệu có trong bản thảo.

Trí tuệ bầy đàn lấy cảm hứng từ sinh học cho việc sáng tác nhạc AI: MusicSwarm khởi tạo nhiều tác nhân mô hình nền giống hệt nhau, đóng băng, mà chỉ phối hợp thông qua phản hồi ngang hàng và tín hiệu giống như pheromone. Không có bất kỳ cập nhật trọng số nào, những tác nhân này tự tổ chức thành các vai trò khác nhau và tạo ra các tác phẩm với tính mới lạ địa phương cao hơn, sự đa dạng nhịp điệu phong phú hơn, và cấu trúc thế giới nhỏ giống con người hơn so với các tiêu chuẩn đa tác nhân bị phê bình trung tâm hoặc một lần duy nhất. Chúng tôi quan sát động lực bầy đàn hội tụ về các điểm cân bằng giống như Nash trong không gian hành vi của các tác nhân, trong khi sự xuất hiện liên tục của các mô típ mới và các liên kết xa thực hiện một quan điểm Gödel: các tác nhân tương tác cộng với một mô hình thế giới bên ngoài chung hành xử như một hệ thống meta mà các quỹ đạo sáng tạo của nó vượt ra ngoài bất kỳ mô hình đơn lẻ nào.

Thật là một bất ngờ thú vị - tôi vừa nhận được bản in của Tạp chí Nghiên cứu Vật liệu với bài báo của chúng tôi được featured trên bìa! Bài viết của chúng tôi, "Lập luận Đồ thị Tác động Tự tổ chức Tạo ra Mạng lưới Kiến thức," khám phá cách mà AI có thể vượt ra ngoài việc truy xuất tĩnh để chủ động xây dựng và tinh chỉnh các cấu trúc kiến thức của riêng mình. Hệ thống phát triển một đồ thị các khái niệm và mối quan hệ thông qua lập luận đệ quy - hiệu quả là "suy nghĩ trong đồ thị" - và tự tổ chức thành các mạng lưới mô-đun không có quy mô mà phản ánh cách mà kiến thức của con người tiến hóa. Những hệ quả thật thú vị: cách tiếp cận này có thể biến đổi cách mà AI khám phá các vật liệu mới, kết nối các ý tưởng giữa các lĩnh vực, và tạo ra các giả thuyết khoa học - dẫn đến các hệ thống tự tổ chức, dựa trên lập luận cho khoa học và kỹ thuật. Công trình này đã được xuất bản như một Bài báo Đặc biệt Được Mời liên quan đến bài giảng của tôi tại @Materials_MRS với tư cách là Diễn giả Được Mời Danh dự tại Hội nghị MRS Mùa Xuân ở Seattle, và tôi rất biết ơn Tạp chí MRS Nghiên cứu Vật liệu và @SpringerNature đã đưa nó lên bìa. Một lời cảm ơn lớn đến tất cả mọi người đang thúc đẩy ranh giới của khám phá dựa trên AI và lập luận gốc đồ thị! Đây là một thời điểm thú vị cho sự hội tụ của khoa học, trí tuệ và thiết kế.