MicroVerse: Een Voorlopige Verkenning naar een Micro-Wereld Simulatie
MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation
February 28, 2026
Auteurs: Rongsheng Wang, Minghao Wu, Hongru Zhou, Zhihan Yu, Zhenyang Cai, Junying Chen, Benyou Wang
cs.AI
Samenvatting
Recente vooruitgang in videogeneratie heeft nieuwe mogelijkheden geopend voor macroscopische simulatie van complexe dynamische systemen, maar hun toepassing op microscopische fenomenen is grotendeels onontgonnen. Microschaal-simulatie houdt grote belofte in voor biomedische toepassingen zoals geneesmiddelenontdekking, organen-op-een-chip-systemen en onderzoek naar ziekte mechanismen, terwijl het ook potentieel toont in onderwijs en interactieve visualisatie. In dit werk introduceren we MicroWorldBench, een op meerdere niveaus gebaseerde rubric-maatstaf voor microschaal-simulatietaken. MicroWorldBench maakt systematische, rubric-gestuurde evaluatie mogelijk via 459 unieke, door experts geannoteerde criteria die zich uitstrekken over meerdere microschaal-simulatietaken (bijv. orgaanniveau-processen, cellulaire dynamiek en subcellulaire moleculaire interacties) en evaluatiedimensies (bijv. wetenschappelijke nauwkeurigheid, visuele kwaliteit, instructie-opvolging). MicroWorldBench onthult dat huidige state-of-the-art videogeneratiemodellen tekortschieten in microschaal-simulatie, met schendingen van natuurwetten, temporele inconsistentie en afwijkingen van expertcriteria. Om deze beperkingen aan te pakken, construeren we MicroSim-10K, een hoogwaardige, door experts geverifieerde simulatie-dataset. Gebruikmakend van deze dataset trainen we MicroVerse, een videogeneratiemodel toegesneden op microschaal-simulatie. MicroVerse kan complexe microschaal-mechanismen nauwkeurig reproduceren. Ons werk introduceert voor het eerst het concept van Micro-Wereld Simulatie en presenteert een proof of concept, waarmee de weg wordt geëffend voor toepassingen in biologie, onderwijs en wetenschappelijke visualisatie. Ons werk demonstreert het potentieel van educatieve microschaal-simulaties van biologische mechanismen. Onze data en code zijn openbaar beschikbaar op https://github.com/FreedomIntelligence/MicroVerse.
English
Recent advances in video generation have opened new avenues for macroscopic simulation of complex dynamic systems, but their application to microscopic phenomena remains largely unexplored. Microscale simulation holds great promise for biomedical applications such as drug discovery, organ-on-chip systems, and disease mechanism studies, while also showing potential in education and interactive visualization. In this work, we introduce MicroWorldBench, a multi-level rubric-based benchmark for microscale simulation tasks. MicroWorldBench enables systematic, rubric-based evaluation through 459 unique expert-annotated criteria spanning multiple microscale simulation task (e.g., organ-level processes, cellular dynamics, and subcellular molecular interactions) and evaluation dimensions (e.g., scientific fidelity, visual quality, instruction following). MicroWorldBench reveals that current SOTA video generation models fail in microscale simulation, showing violations of physical laws, temporal inconsistency, and misalignment with expert criteria. To address these limitations, we construct MicroSim-10K, a high-quality, expert-verified simulation dataset. Leveraging this dataset, we train MicroVerse, a video generation model tailored for microscale simulation. MicroVerse can accurately reproduce complex microscale mechanism. Our work first introduce the concept of Micro-World Simulation and present a proof of concept, paving the way for applications in biology, education, and scientific visualization. Our work demonstrates the potential of educational microscale simulations of biological mechanisms. Our data and code are publicly available at https://github.com/FreedomIntelligence/MicroVerse