1　研究者は、離散イベント型エージェントベースシミュレーション（ABS）でエミュレーターを利用する新手法を提案した。従来は多数の中間イベントを逐次実行するため時間がかかるが、エージェント単位での生成モデル化により、事故後の結果を1回のサンプリングで決定できる。 2　具体的には、条件付きテーブル生成対抗ネットワーク（CTGAN）を Thanzi La Onse という多疾患シミュレータ内の道路交通事故（RTI）モジュールに適用した。CTGAN によってRTIの詳細な発生過程を置き換えることで、実行時間を 86.6 %（95 % ブートストラップ信頼区間 85.2 %〜88.1 %）短縮し、事故による平均障害調整生存年（DALY）の再現誤差は 13 ％に抑えた。 3　この手法の利点は、全エージェントベース枠組みを維持しつつ、個々のエージェントにのみ影響する中間イベントを断ち切れる場合に有効であるという点である。事故が他のエージェントや環境に波及しない場合に限り、真のシステムダイナミクスを保てる。 4　図 1 では、生成モデルが中間イベントをサンプリングして計算負荷を約86.6%に軽減する様子を示している。CTGAN のハイパーパラメータ（表 2）は、実験で使用されたネットワーク構成を示している。