Bilim insanları, biyolojik sistemlerin zaman içindeki karmaşık dinamiklerini anlamak için FLUX (FLow matching for Unpaired longitudinal data with miXture-of-experts) adlı gelişmiş bir yapay zeka modeli geliştirdi. Bu yenilikçi yaklaşım, canlı sistemlerin sürekli değişen doğasını modellemede karşılaşılan temel zorlukları aşmayı hedefliyor.
Biyolojik sistemler genellikle öğrenme süreçleri, çevresel uyaranlar, iç durumlar veya gelişimsel evreler gibi farklı gizli rejimler arasında geçiş yaparken sürekli yerel dinamikler sergiler. Ancak bu süreçler çoğunlukla eşleştirilmemiş uzunlamasına anlık görüntüler halinde gözlemlenir - yani aynı hücreler, nöronlar veya hayvanlar eşleştirilmiş yörüngeler olarak takip edilmez.
FLUX, bu sorunu iki temel yenilikle çözüyor. İlk olarak, yüksek boyutlu biyolojik ölçümlerde gömülü olan eğrisel düşük boyutlu manifoldları dikkate alan geometri-bilinçli bir yaklaşım kullanıyor. İkinci olarak, taşıma mekanizmasının ne zaman değiştiğini otomatik olarak tespit edebiliyor.
Sistem, etiketlenmiş ve etiketlenmemiş gözlemlerden veriye bağımlı bir metrik öğreniyor ve bu metriği kullanarak farklı gelişim aşamaları arasındaki geçişleri modelliyor. Bu yaklaşım, gelişimsel biyoloji, nörobilim ve hücre biyolojisi gibi alanlarda büyük potansiyel taşıyor.