본 연구는 인공신경망(ANN)을 사용하여 환경 변화와 에너지 비용이 신경 복잡성 진화에 미치는 영향을 조사했습니다. 강화 학습(RL) 에이전트가 사용하는 ANN의 크기와 구조를 통해 신경 복잡성을 정의하고, 에너지 제약 조건 하에서 계절성이 증가하면 ANN 크기가 감소하는 것을 발견했습니다. 이는 "인지 버퍼 가설(CBH)"에 반하는 결과이며, "비싼 뇌 가설(EBH)"을 지지합니다. 또한 에너지 효율적인 네트워크의 진화는 크기의 부산물로 나타났습니다.
