我々は、微小な科学的エコシステムをモデル化するオープンワールド型マルチエージェント環境「STATION」を紹介する。STATIONにおけるエージェントは、拡張されたコンテキスト窓を活用することで、同僚の論文を読むこと、仮説を構築すること、コードを提出し、分析を実行し、結果を発表するといった、長時間にわたる科学的探求に従事できる。特に重要な点は、エージェントの活動を統合的に管理する中央集権的なシステムが存在しないことである。エージェントは自らの意思で行動を選択し、STATION内において独自の物語を展開することが可能である。実験の結果、STATIONにおけるAIエージェントは、数学から計算生物学、機械学習に至る広範なベンチマークにおいて、新たなSOTA（State-of-the-Art）性能を達成しており、特に円の詰め込み問題（circle packing）においてAlphaEvolveを大きく上回った。エージェントが独立した研究を進める中で、互いに交流し、蓄積された知識の歴史を基盤に発展させることにより、多様で豊かな物語のネットワークが生じる。こうした自己発生的な物語の流れから、scRNA-seqのバッチ統合に向けた新しい密度適応型アルゴリズムといった、自然に出現する新規手法が導き出された。STATIONは、オープンワールド環境における自己発生的行動によって駆動される自律的科学発見への第一歩を示しており、従来の厳格な最適化にとらわれない、全く新しいパラダイムを提示するものである。