論文の概要: Giving Simulated Cells a Voice: Evolving Prompt-to-Intervention Models for Cellular Control

• arxiv url: http://arxiv.org/abs/2505.02766v1
• Date: Mon, 05 May 2025 16:21:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.74047
• Title: Giving Simulated Cells a Voice: Evolving Prompt-to-Intervention Models for Cellular Control
• Title（参考訳）: シミュレーションされた細胞に声を与える:細胞制御のためのプロンプト・ツー・インターベンションモデル
• Authors: Nam H. Le, Patrick Erikson, Yanbo Zhang, Michael Levin, Josh Bongard,
• Abstract要約: 大規模言語モデル(LLM)は、AIシステムにおける解釈可能な制御のためのインタフェースとして自然言語を可能にした。 本稿では,自然言語のプロンプトをシミュレートされたセル集合を誘導できる空間ベクトル場に変換する機能パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 1.7056803236939193
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Guiding biological systems toward desired states, such as morphogenetic outcomes, remains a fundamental challenge with far-reaching implications for medicine and synthetic biology. While large language models (LLMs) have enabled natural language as an interface for interpretable control in AI systems, their use as mediators for steering biological or cellular dynamics remains largely unexplored. In this work, we present a functional pipeline that translates natural language prompts into spatial vector fields capable of directing simulated cellular collectives. Our approach combines a large language model with an evolvable neural controller (Prompt-to-Intervention, or P2I), optimized via evolutionary strategies to generate behaviors such as clustering or scattering in a simulated 2D environment. We demonstrate that even with constrained vocabulary and simplified cell models, evolved P2I networks can successfully align cellular dynamics with user-defined goals expressed in plain language. This work offers a complete loop from language input to simulated bioelectric-like intervention to behavioral output, providing a foundation for future systems capable of natural language-driven cellular control.
• Abstract（参考訳）: 形態形成の結果など、望まれる状態に向けて生物学的システムを導くことは、医学や合成生物学に大きく影響する上での根本的な課題である。 大規模言語モデル(LLM)は、AIシステムの解釈可能な制御のためのインタフェースとして自然言語を有効にしているが、生体や細胞力学を操る仲介者としての利用は、いまだに探索されていない。 本研究では、自然言語のプロンプトを、シミュレーションされたセル集合を誘導できる空間ベクトル場に変換する機能パイプラインを提案する。 我々のアプローチは、大規模言語モデルと進化可能なニューラルコントローラ(Prompt-to-Intervention, P2I)を組み合わせることで、シミュレーションされた2D環境でのクラスタリングや散乱などの振る舞いを生成する。 制約付き語彙と単純化されたセルモデルであっても、進化したP2Iネットワークは、平易な言語で表現されたユーザ定義の目標とセルダイナミクスをうまく整合させることができることを示す。 この研究は、言語入力から生体電気的にシミュレーションされた行動出力への介入までの完全なループを提供し、自然言語駆動の細胞制御が可能な将来のシステムの基礎を提供する。

関連論文リスト

• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [94.84458417662404]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• A Multi-Modal AI Copilot for Single-Cell Analysis with Instruction Following [32.67347401145835]
  大きな言語モデルは複雑な自然言語命令の解釈に優れており、幅広いタスクを実行できる。 InstructCellは、自然言語を媒体として活用し、より直接的で柔軟な単細胞分析を行うマルチモーダルAIコラボロである。 InstructCellは、細胞型アノテーション、条件付き擬似細胞生成、薬物感受性予測を用いた単純な自然言語コマンドなどの重要なタスクを研究者に実行させる。
  論文  参考訳（メタデータ） (2025-01-14T15:12:19Z)
• Language Generation from Brain Recordings [68.97414452707103]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• BatGPT: A Bidirectional Autoregessive Talker from Generative Pre-trained Transformer [77.28871523946418]
  BatGPTは武漢大学と上海江東大学が共同で設計・訓練した大規模言語モデルである。 テキストプロンプト、画像、オーディオなど、さまざまなタイプの入力に応答して、非常に自然で、流動的なテキストを生成することができる。
  論文  参考訳（メタデータ） (2023-07-01T15:10:01Z)
• Real-time Evolution of Multicellularity with Artificial Gene Regulation [0.0]
  本稿では, 物理的2次元生態系における自然選択により進化する'プロトゾーン様'細胞を用いたリアルタイムシミュレーションを提案する。
  論文  参考訳（メタデータ） (2023-05-20T17:39:07Z)
• GenTUS: Simulating User Behaviour and Language in Task-oriented Dialogues with Generative Transformers [2.456957408490494]
  GenTUSはエンコーダ・デコーダ構造で構成されており、ユーザポリシーと自然言語生成を同時に最適化することができる。 GenTUSは、意味的行動と自然言語の発話の両方を生成し、解釈可能性を保持し、言語の変化を高める。 以上の結果から,GenTUSはより自然言語を生成でき,ゼロショット方式で未知のオントロジーに移行できることがわかった。
  論文  参考訳（メタデータ） (2022-08-23T09:01:17Z)
• GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
  Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。 GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
  論文  参考訳（メタデータ） (2021-10-19T18:07:07Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。