본 논문은 질문 중심의 AI 과학자를 이용하여 질량 보존 및 매개변수 국지화 특징을 가진 연속 셀룰러 오토마타(CA)인 Flow-Lenia에서 시스템 수준 역학을 자동으로 발견하는 방법을 제시한다. 이는 CA에서 진화 및 생태계 역학의 자기 조직화로 이어지는 과정을 밝히는 것을 목표로 한다. 기존의 Lenia에서 다양성 탐색 알고리즘을 사용하여 자기 조직화된 개별 패턴을 찾는 연구를 기반으로 하여, 상호 작용하는 구별되는 패턴을 지원하는 대규모 환경으로 확장한다. 진화 활동, 압축 기반 복잡성, 다중 스케일 엔트로피와 같은 시뮬레이션 전체 측정 지표를 사용하여 다양한 Flow-Lenia 환경 탐색을 유도하기 위해 본질적으로 동기 부여된 목표 탐색 프로세스(IMGEPs)를 적용한다. 두 가지 실험을 통해 무작위 탐색에 비해 훨씬 더 다양한 역학을 밝히는 능력을 보여주고, 생태계 시뮬레이션이 이전의 개별 패턴 탐색 및 분석에서는 포착되지 않은 복잡한 집단 행동의 자기 조직화를 가능하게 하는 방법을 보여주는 정성적 결과를 제시한다. 자동 발견과 상호 작용 탐색 도구를 보완하여 과학적 조사를 위한 효과적인 인간-AI 공동 작업 워크플로를 만든다. Flow-Lenia에 특화되어 있지만, 이 방법론은 출현하는 집단적 특성에 대한 이해가 중요한 다른 매개변수화 가능한 복잡 시스템에도 적용 가능한 프레임워크를 제공한다.
