ATLAS는 과학적 이해를 높이기 위해 실험 질문을 자동으로 생성하는 능동적 학습 프레임워크입니다. 이 프레임워크는 Disentangled RNN으로 구현된 다양한 신경망 가설을 생성하고, 이를 구별하는 실험을 설계합니다. 강화 학습 에이전트의 행동을 복원하는 문제에서 ATLAS는 무작위 실험보다 샘플 효율성이 5~10배 향상됐습니다.
ATLAS는 실험의 시간적 구조를 조정하여 질적으로 새로운 실험 시퀀스를 설계하며, 행동, 구조, 계산 유사성을 포착하는 다양한 메트릭으로 평가합니다. 이 프레임워크는 인지 과학 및 과학적 탐구가 메커니즘 모델 발견에 의존하는 다른 분야에서 인간이 해석할 수 있는 통찰력을 가속화할 잠재력을 보여줍니다.
ATLAS는 기존 문헌에서 파생된 전문가가 설계한 실험에 대한 성능을 검증받았으며, 데이터 기반 행동 모델을 발견하는 데 유용할 것으로 기대됩니다.