该研究提出了一种可解释的、物理感知的机器学习模型，能够推断高能粒子碰撞的基础物理。通过使用生成对抗网络，该方法能够学习粒子的最终分布和阶级分支机制。该模型在扰动物理学领域有广泛应用。

本文介绍了一种可解释的、物理感知的机器学习模型，能够推断高能粒子碰撞的基础物理。通过使用生成对抗网络（GAN）的概念，该方法学习自发射子阶级蒙特卡洛事例发生器，不仅能学习粒子的最终分布，还能学习阶级分支机制。作者预见到该框架在非微扰和集体效应、分解破坏和重离子和电子-核碰撞中的发射子阶级修改等领域具有广泛应用。