Passage of particles through matter and the effective straggling-function: High-fidelity accelerated simulation via Physics-Informed Machine Learning
Este artigo apresenta o PHIN-GAN, uma nova rede adversária generativa informada pela física que utiliza funções de densidade de probabilidade analíticas para simular interações de partículas com a matéria de forma rápida, escalável e com alta fidelidade, aproximando-se da precisão do padrão GEANT4 com um custo computacional significativamente menor.