यह शोधपत्र डिटेक्टर प्रतिक्रिया सिमुलेशन पर केंद्रित है, जो सर्न के लार्ज हैड्रॉन कोलाइडर (LHC) में कण टकरावों की आंतरिक कार्यप्रणाली को समझने के लिए आवश्यक है। चूँकि पारंपरिक सांख्यिकीय मोंटे कार्लो विधियाँ कम्प्यूटेशनल रूप से महंगी हैं और सर्न के कंप्यूटिंग ग्रिड पर काफ़ी दबाव डालती हैं, इसलिए यह अध्ययन कुशल सिमुलेशन के लिए एक जनरेटिव मशीन लर्निंग दृष्टिकोण का प्रस्ताव करता है। सिमुलेशन में डेटा वितरण में महत्वपूर्ण भिन्नता को संबोधित करने के लिए, जिसे पारंपरिक विधियों से समझना मुश्किल है, हम एक्सपर्टसिम का प्रस्ताव करते हैं, जो एलिस प्रयोग के शून्य-डिग्री कैलोरीमीटर के अनुरूप एक गहन शिक्षण सिमुलेशन दृष्टिकोण है। एक्सपर्टसिम, प्रत्येक विशेषज्ञ को डेटा के एक अलग उपसमूह का अनुकरण करने में विशेषज्ञता प्रदान करने के लिए जनरेटिव एक्सपर्ट्स आर्किटेक्चर के मिश्रण का उपयोग करता है, जिससे सटीकता और गति में सुधार होता है। यह पारंपरिक मोंटे कार्लो विधियों की तुलना में गति में सुधार प्रदान करता है, और इसका कोड GitHub पर उपलब्ध है।