基于生物仿物理信息神经网络的细胞诱导致密化与纤维细胞外基质中的夹持物形成
机器学习
2026-05-05 v3 数值分析
数值分析
摘要
细胞诱导的相变导致非凸多谷能，产生细小尺度的微结构、低正则性的过渡层和尖锐界面，所有这些都为物理信息学习带来数值挑战。本文引入生物仿物理信息神经网络（Bio-PINNs），通过逐步揭示细胞边界远端的计算域来实施近到远的课程安排，并结合变形不确定性代理，将网格点集中在演化中的过渡层和夹持形成区域。对于单细胞和多细胞基准测试，Bio-PINNs 在细胞边界及细胞间间隙处更可靠地恢复致密化相，同时比代表性无约束和残差驱动的自适应基准更忠实地捕捉夹持形态。
关键词
引用
@article{arxiv.2603.29184,
title = {Cell-induced densification and tether formation in fibrous extracellular matrices with biomimetic physics-informed neural networks},
author = {Anci Lin and Zhiwen Zhang and Wenju Zhao},
journal= {arXiv preprint arXiv:2603.29184},
year = {2026}
}