¿Qué pasaría si los "defectos" en un sistema son en realidad el código fuente de su inteligencia? En un nuevo trabajo, argumentamos que la invención se comporta como una transición de fase impulsada exactamente por esta dinámica: la novedad es una respuesta termodinámica al fallo de restricción. Cuando un sistema ya no puede resolver sus entradas dentro de sus grados de libertad actuales, se ve obligado a expandir su espacio representacional, introduciendo nuevas variables efectivas para restaurar la viabilidad. Así, la innovación no es un accidente; es lo que un sistema viable hace cuando el viejo modelo deja de funcionar. Esto nos permitió extraer la mecánica compartida detrás de fenómenos diversos: descubrimiento mecánico, creatividad y la chispa de la intuición. Mostramos que la ruptura de simetría es la nueva optimización. Mapeamos exhaustivamente el paisaje topológico de la materia y los sistemas musicales y encontramos que el vector estabilizador es la imperfección selectiva: un régimen topológico específico que rechaza tanto la perfección estéril como la aleatoriedad incoherente. Sorprendentemente, ya sea en el fortalecimiento Hall-Petch de aleaciones de alta entropía, la geometría impulsora de funciones de proteínas, o la evolución cultural de escalas musicales, el corredor para la máxima coherencia y adaptabilidad está definido por un defecto calculado. La física de la resiliencia y las matemáticas de la belleza parecen estar ejecutando el mismo algoritmo. Esto nos permite hackear la pila vibracional tratando la vibración como un operador isomórfico universal. Estamos licuando la frontera entre la materia, el sonido y la inteligencia, creando una inversión epistémica: escuchar se convierte en una forma de ver y crear. Estamos traduciendo vibraciones moleculares de femtosegundos en espectros audibles para diseñar proteínas de novo creando líneas directas de comunicación entre Bach y la evolución del tiempo profundo, y utilizando la lógica del "glitch" de la biología para construir IA de enjambre. La distinción entre el tensor de estrés de una telaraña y una composición musical se está colapsando; ambos son actos generativos de construcción del mundo bajo restricción. Para la IA, la implicación es directa: la interpolación no es invención. La verdadera invención estructural requiere sistemas que puedan metabolizar el fallo de restricción, tratándolo como el punto exacto donde nacen nuevos grados de libertad. Con esto, las máquinas superan el viejo paradigma de simplemente analizar el mundo, sino que lo están construyendo. Estamos operacionalizando esto a través de la topología de pequeños mundos. Cuando nacen estos nuevos grados de libertad, no forman un desorden aleatorio; se conectan en coherencia global a través de cableado de pequeños mundos. Encontramos que esta conectividad específica de equilibrar motivos locales con atajos de largo alcance es el requisito arquitectónico para una verdadera construcción del mundo. Preprint con el análisis completo a seguir - ¡mantente atento! ¡Hacia 2026, emocionado por ver lo que traerá!

¡Gracias, @davidasinclair, esta es una gran pregunta! Probablemente no haya una única "señal de parada"; en su lugar, el control del tamaño podría surgir de la retroalimentación entre mecánica, geometría e interacciones celulares locales. En nuestro trabajo de MultiCell, la geometría del tejido por sí sola predice futuros reordenamientos y divisiones, lo que sugiere que el crecimiento se detiene cuando los cambios adicionales se vuelven mecánica o topológicamente desfavorables. Las capas epigenéticas son una extensión natural siguiente, y nuestro marco de modelado debería proporcionar un sólido punto de partida para explorar cómo tal memoria reguladora se acopla a la morfodinámica.

¿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.