近年の生成モデルは、指示に従ったリアルな出力を生成する能力がある一方で、物理的妥当性に関する顕著な失敗に悩まされています。これらの物理的妥当性エラーは、既存の評価方法では検出されにくく、具体的なエラーのパターンを自動識別し解釈するための枠組みは存在しませんでした。本研究では、マトリョーシカトランスコーダーという新たなフレームワークを提案し、生成モデルにおける物理的妥当性の特徴を自動的に発見・解釈します。このアプローチは、階層的なスパース特徴学習を可能にし、中間表現を物理的妥当性のクラスIFIERから学習することにより、多様な物理的失敗モードを識別します。発見された視覚パターンを活用して、生成モデルの物理的妥当性を評価するベンチマークを確立し、先進的な生成モデルの分析を通じて、物理的制約に従わない原因を明らかにし、今後のモデル改善に繋げる洞察を提供しています。