近年、ノーベル賞を受賞した画期的なタンパク質発見に伴い、基礎モデル（FMs）が巨大な組み合わせ空間を探求する潜在能力を示し、多くの科学分野に革命を起こす可能性を示唆しています。しかしながら、人工生命（ALife）分野ではこれらの基礎モデルが十分に活用されておらず、大きな発展の機会が眠っています。

そこで、研究チームは初めて「人工生命自動探索」（ASAL）という手法を提案しました。視覚言語基礎モデルを用いることで、人工生命分野における長年の課題であった手動設計と試行錯誤への依存を効果的に軽減できます。

image.png

ASAL手法の中核機能は次の3点です。まず、特定の現象を生み出すシミュレーションを探し出せます。次に、時間的に開放的で新規性の高いシミュレーションを発見できます。最後に、様々な興味深い多様なシミュレーション空間を包括的に提示できます。この手法の汎用性により、「ボイド（群れ行動）」「粒子生命」「ライフゲーム」「レニア」「ニューロンセルオートマトン」など、様々な人工生命の基盤に効果的に適用できます。

研究成果では、ASAL手法がこれまでにないレニアとボイドの生命形態、そしてコンウェイのライフゲームに似た開放的なセルオートマトンを発見することに成功しました。さらに、基礎モデルの適用により、これまで定性的だった現象を定量化することが可能になりました。この新しい研究モデルは、人間の創造性を超え、人工生命研究の進歩を加速すると期待されます。

本研究では、研究者が迅速に導入できる簡潔なASAL実装も提供しています。コードはJaxフレームワークを使用し、エンドツーエンドの高速処理を実現しています。主なコードには、基礎モデル、基盤、シミュレーションの効果的な展開、ASALの測定値の計算などが含まれます。研究チームは様々な人工生命基盤を実装しており、ユーザーは提供されたコードを実行することでシミュレーションの開放性を評価できます。

ローカルでこのプロジェクトを実行したい研究者には、まずコードリポジトリをクローンし、Python環境を設定して関連する依存ライブラリをインストールすることをお勧めします。また、研究チームはGoogle Colabプラットフォームで利用可能なNotebookも提供しており、ユーザーは簡単に始めることができます。

プロジェクト入口:https://github.com/sakanaai/asal

要点：

🌟 研究チームは「人工生命自動探索」（ASAL）手法を提案し、基礎モデルを用いて従来の設計負担を軽減しました。

🔍 ASALは、特定の現象をシミュレートするモデル、開放的で新規性の高いシミュレーション、そして多様なシミュレーション空間を発見できます。

🚀 研究成果は、新しい生命形態を発見し、従来定性的だった現象を定量化することで、人工生命研究の発展を促進しました。