호기심 기반 AI 과학자를 활용한 Flow-Lenia 우주 탐험: 다양한 생태계 역학 발견
Exploring Flow-Lenia Universes with a Curiosity-driven AI Scientist: Discovering Diverse Ecosystem Dynamics
우리는 질량 보존과 매개변수 국소화를 갖춘 연속 셀룰러 오토마톤(CA)인 Flow-Lenia에서 시스템 수준의 역학을 발견하기 위한 호기심 기반 AI 과학자 방법을 제시한다. Lenia에서 다양성 탐색을 통해 개별 자기조직화 패턴을 찾는 선행 연구를 기반으로, 내재적 동기 목표 탐험 프로세스(IMGEP)를 상호작용하는 패턴들로 이루어진 대규모 환경에 적용하며, 진화적 활동, 압축 비율, 다중 스케일 물질 분포와 같은 시뮬레이션 전반 메트릭을 활용한다. 우리는 두 가지 탐험 실험에 IMGEP를 적용한다: 하나는 생태계 수준의 역학을 목표로 하고, 다른 하나는 장애물이 많은 환경에서의 물질 이동을 목표로 한다. 두 경우 모두에서 IMGEP는 무작위 탐색보다 메트릭 공간을 훨씬 더 넓게 조명하며 다양한 생물학적 현상과 질적으로 유사한 자기조직화 행동을 드러낸다. 이렇게 얻어진 아카이브를 활용하여 6가지 공간 스케일과 7가지 시간 지평에 걸친 스케일링 연구를 수행하고, 기본 스케일에서는 유사체가 없는 거시 스케일 조직화를 밝히며 목표 공간 메트릭이 스케일에서 어떻게 동작하는지 특성화한다. 이는 우리 접근법의 강점을 잘 보여준다: 비교적 저렴한 대규모 다양성 탐색이 이후의 더 비용이 많이 드는 실험 설계를 위한 원칙적인 발판 역할을 할 수 있으며, 과학자들이 과정에 지속적으로 참여할 수 있게 하는 인터랙티브 탐험 도구의 지원 아래 실험 설계·검토·재설계의 반복적 루프를 가능하게 한다. Flow-Lenia로 시연되었으나, 이 접근법은 상향식 집단적 행동 연구가 중요한 다른 매개변수화 가능한 복잡계에도 잠재적으로 적용 가능하다.