926-CellFluxRL：强化学习驱动的生物约束虚拟细胞建模

这篇论文介绍了 CellFluxRL，这是一个旨在提升虚拟细胞生成模型生物准确性的创新框架。研究人员发现，现有的生成模型虽然能产生逼真图像，但常会出现核在外周等违背物理规律的错误。为了解决这一问题，该团队在原有的 CellFlux 模型基础上引入了强化学习（RL），并设计了涵盖生物功能、结构合法性及形态特征的七项奖励函数。通过这种方式，模型不仅学习像素表现，更受到生物学约束的指导。实验证明，CellFluxRL 在模拟药物对细胞的影响时表现更佳，显著提高了生成图像的科学可靠性。此外，研究还展示了通过推理时缩放（test-time scaling）策略，可以进一步优化预测质量，助力药物研发与精准医学。

References:

• Wu D, Su S, Zhang Y, et al. CellFluxRL: Biologically-Constrained Virtual Cell Modeling via Reinforcement Learning[J]. arXiv preprint arXiv:2603.21743, 2026.