Exploring Flow-Lenia Universes with a Curiosity-driven AI Scientist: Discovering Diverse Ecosystem Dynamics

要約

フローレニアにおけるシステムレベルのダイナミクスの自動発見の方法を提示します。これは、質量保存と好奇心を使用したパラメーターのローカリゼーションを備えた連続したセルラーオートマトン（CA） – 駆動型AI科学者です。
この方法は、CASの進化的および生態系ダイナミクスの自己組織化につながるプロセスを明らかにすることを目的としています。
Leniaのダイバーシティ検索アルゴリズムを使用して、自己組織化された個々のパターンを見つけ、異なる相互作用パターンをサポートする大きな環境に拡張する以前の作業に基づいて構築します。
進化的活動、圧縮ベースの複雑さ、マルチスケールエントロピーなどのシミュレーション全体のメトリックを使用して、本質的に動機付けられた目標探査プロセス（IMGEPS）を適応させ、多様なフローレニア環境の探索を促進します。
2つの実験で方法をテストし、ランダム検索と比較して大幅に多様なダイナミクスを照らす能力を示します。
生態系シミュレーションが、以前の個々のパターン検索と分析によって捉えられない複雑な集団行動の自己組織化をどのように可能にするかを示す定性的結果を示します。
インタラクティブな探索ツールを使用して自動発見を補完し、科学的調査のための効果的な人間と協力的なワークフローを作成します。
フローレニアで特に実証されていますが、この方法論は、緊急の集合的特性を理解することが興味深い他のパラメーター化可能な複雑なシステムに潜在的に適用可能なフレームワークを提供します。

要約(オリジナル)

We present a method for the automated discovery of system-level dynamics in Flow-Lenia–a continuous cellular automaton (CA) with mass conservation and parameter localization-using a curiosity–driven AI scientist. This method aims to uncover processes leading to self-organization of evolutionary and ecosystemic dynamics in CAs. We build on previous work which uses diversity search algorithms in Lenia to find self-organized individual patterns, and extend it to large environments that support distinct interacting patterns. We adapt Intrinsically Motivated Goal Exploration Processes (IMGEPs) to drive exploration of diverse Flow-Lenia environments using simulation-wide metrics, such as evolutionary activity, compression-based complexity, and multi-scale entropy. We test our method in two experiments, showcasing its ability to illuminate significantly more diverse dynamics compared to random search. We show qualitative results illustrating how ecosystemic simulations enable self-organization of complex collective behaviors not captured by previous individual pattern search and analysis. We complement automated discovery with an interactive exploration tool, creating an effective human-AI collaborative workflow for scientific investigation. Though demonstrated specifically with Flow-Lenia, this methodology provides a framework potentially applicable to other parameterizable complex systems where understanding emergent collective properties is of interest.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google