외부 구동이 없는 닫힌계에서 동적 질서는 어떻게 자발적으로 발생하는가? 기존 패러다임은 모두 외부 에너지 흐름, 온도 급랭(quenching), 또는 느린 구동을 필요로 한다. 본 논문에서는 결합된 계량 진화계(coupled metric evolution systems)에서 기하학적 복사를 통해 제약으로 유도되는 자기 조직화(constraint-induced self-organization)를 보고한다. 시뮬레이션 결과 응력 축적, 초지수적 복사, 혼돈 붕괴, 그리고 5개의 양자화된 곡률 상태와 프랙털 미세 요동을 갖는 새로운 어트랙터 위상수학인 쐐기형 어트랙터(wedge-shaped attractor)라는 프랙털 극한 주기 궤도로의 수렴(convergence)으로 이어지는 보편적인 4단계 주기가 나타났다. 우리는 네 가지 결합 충분조건을 규명했다: 비가역적 기하학적 지평선, 양자 결맞음으로부터의 지속적인 응력 주입, 양립 불가능한 곡률 간의 내생적 기하학적 장력, 그리고 유효 요동. 이들의 시너지는 지평선 경계에서 임계 눈사태(critical avalanche)를 촉발한다. 우리는 기하학적 지평선 정리, 기하학적 에너지 소산 정리(닫힌계에서 파동형 엔트로피 진화를 함의함), 그리고 상전이 채널로서의 복사 정리를 포함한 세 가지 정리를 증명한다. 나아가 우리는 제약 유도 자기 조직화 정리를 확립하여, 이러한 조건들이 확률 1로 완전한 주기를 보장함을 입증한다. 체계적인 스캔을 통해 임계 노이즈 임계값과 복사 시작의 거듭제곱 법칙 스케일링(scaling)을 밝혀냈다. 우리는 12가지 구성, 다양한 노이즈 유형, 그리고 세 가지 기하학적 흐름 전반에서 보편성을 검증했다. 본 연구는 고전적 비선형 제약 조건과 중력 지평선 간의 엄밀한 수학적 이중성을 구축하여, 닫힌계 자기 조직화를 위한 새로운 패러다임을 확립한다.
물질 시스템이 생명의 후보가 될 수 있는 조건은 무엇인가? 우리는 이 질문이 행동, 기능적 아키텍처, 또는 계산 능력보다 선행하며, 그 근본은 물리적 허용 가능성의 문제라고 주장한다. 우리는 자기-유지적 비평형 조직에 근거한 규범성이라는 상호작용주의적 의미에서의 최소 자율성이 물질의 구별되는 비평형 상(phase)에 대응한다는 프레임워크를 개발하며, 물리적이고 비생물학적 시스템인 복잡 플라즈마를 그 물질 내(in-materio) 예시로 삼는다. 우리는 진단적 위상 공간(phase-space)을 형식화하는데, 그 기준(지속적인 자유 에너지 처리량, 조직적 폐쇄성, 능동적 정보 유지, 조절된 잡음 민감도)은 생명 귀속의 필요조건을 구성한다. 우리는 대조적인 시스템들에 걸쳐 이 진단을 적용하고, 폐쇄성이 결여된 구동 기준선(baseline)인 베나르 대류와, 측정 가능한 정보적 유전을 지니지만 물리적 폐쇄성이 구조적 영(zero)으로 남아 있는 디지털 자기복제 수프를 통해 위상 공간의 경계를 확정한다. 우리는 플라즈마가 최소 물리적 자율성의 모든 허용 조건을 충족하는 동시에, 개방형 진화가 요구하는 정보적 유전을 전혀 지니지 않음을 보임으로써, 물리적 허용 가능성과 생물학적 충분성의 구분을 명료화하고 기계 감각(machine sentience)에 관한 후속 질문의 범위를 한정한다.
MetaNCA는 인공 신경망의 가중치를 역전파 없이 생성하는 신경 세포 오토마타(NCA) 프레임워크로, 계산 그래프 상의 지역 상호작용만으로 가중치를 반복 업데이트하는 Weight Transformer 아키텍처를 제안한다. MNIST와 CIFAR-100에서 MLP, CNN, ResNet 등 최대 200만 파라미터 규모의 다양한 아키텍처에 대해 가중치를 생성하며, 메타학습 중 보지 못한 아키텍처에도 일반화됨을 입증한다.
복잡 적응 시스템에서 기능적 조직화를 설명하기 위해 Surviving by Serving(SBS) 원리를 제안하며, 구성 요소는 출력이 다른 구성 요소에 활용되는 한 유지되고 장기 비활용은 적응과 탐색을 촉진한다. 공유 자원을 변환하는 최소 다중 에이전트(agent) 모델에서 전역 목표 없이도 안정적 변환 사슬, core-periphery 조직, 자기 유지 상호작용 네트워크가 자발적으로 형성된다.
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.