持久假足分裂是浅梯度中有效的趋化策略

Sep, 2024

持久假足分裂是浅梯度中有效的趋化策略

Persistent pseudopod splitting is an effective chemotaxis strategy in shallow gradients

Albert Alonso, Julius B. Kirkegaard, Robert G. Endres

TL;DR本研究解决了单细胞生物在不同化学梯度下，采用何种策略最佳的空白问题。通过模型化趋化变形虫细胞的方向性决策过程，本研究提出了一种新的伪足竞争模式，该模式在静态和动态梯度中展现出高效的化学趋向性。研究表明，这种机制显著提升了细胞在浅梯度环境中的趋化精确度，展现了细胞在缺乏明确梯度感知和记忆的情况下的机械智能。

Abstract

Single-Cell Organisms and various cell types use a range of motility modes when following a chemical gradient, but it is unclear which mode is best suited for different gradients. Here, we model directional decision-making in chemotactic amoeboid cells as a stimulus-dependent actin rec

发现论文，激发创造

通过深度强化学习利用涡旋实现高效集体游泳

研究发现，鱼在集群游泳时可以利用其同伴产生的涡旋以提高自身的游泳效率，从而实现集体节约能量。同时，本研究还利用深度强化学习与高保真流场模拟相结合的方法，为复杂流场的导航算法提供了新的思路，并为自主机器人的节能提供了良好的应用前景。

Feb, 2018

具有自修改网络的元强化学习

提出了一个新型的元强化学习模型，MetODS，利用动态连接权重和突触可塑性来进行连续的自我反思修改，实现了在代理策略空间中高效和强大的控制规则的学习。

Feb, 2022

三球游动者的化学感知和化学趋向性

本文研究了从Reynolds数为零到Péclet数（Pe）在0.06至60范围内的情况下，涉及纳贾菲-戈勒斯塔尼安三球游泳者的流体动力学和溶质传输的耦合问题，并采用基于FEniCS库的有限元代码对问题进行了数值模拟。研究结果表明，在均质流体中，只有在Pe显著大于10时，游泳可以获得化学物质通量的较小增益。此外，研究发现，对于涉及溶质梯度的游泳者，学习定位会比学习趋化更容易，尤其是在Pe较低的情况下趋化的难度将显著增加。

May, 2022

从基于代理的Monte Carlo模拟数据中学习黑盒和灰盒趋化PDEs /closures

本文提出了一种机器学习框架来从高精度随机模拟中学习大尺度化学趋化偏微分方程及其闭合问题，使用自适应相关决策根据高维数据选择合适的共同特征来简化该问题并使用机器学习的方式学习宏观大尺度的效应。

May, 2022

海胆精子的趋化运动通过深度强化学习实现

研究模仿海胆精子细胞的化感运动模型，利用人工神经网络作为决策代理，通过深度强化学习算法实现微型机器人的智能机动，在有限的环境信息下，发现比人类设计更有效的运动策略，并利用外部扰动促进化感运动。

Aug, 2022

可转向生长神经元细胞自动机

通过在细胞间加入可调整的内部状态来实现上下左右的定向，并且仍旧保持细胞的对称性，同时只需使用少量数据即可训练。

Feb, 2023

学习噪声趋化中空间和时间信息的最优集成

本研究通过深度强化学习方法，研究了在化学趋向作用中由空间梯度估计和时间梯度估计驱动的边界，并发现混合化学趋向策略在小细胞和大细胞之间的过渡是连续的，并且在过渡区域，混合化学趋向策略优于具有约束性的变体以及明确整合空间和时间信息的模型。