本文介绍了一种结合连续归一化流和动态最优传输的建模方法，提出TrajectoryNet模型，成功模拟单细胞RNA测序数据中的细胞动态。研究利用机器学习和邻接算法预测细胞响应，提出RiTINI推断复杂系统中的时间变化交互图，并通过Swift-DynGFN框架提升基因调控网络的因果结构学习能力。最后，提出一种新方法，通过迭代投影从多个时间点学习未观察到的轨迹，显示出在生态和生物数据分析中的优势。