في هذا البحث، نقترح تزويد شبكات المواجهة التوليدية (Generative Adversarial Networks) بالقدرة على إنتاج تقديرات طاقة مباشرة للعينات. بشكل خاص، نقترح إطارًا مرناً للتدريب المواجهي ونثبت أن هذا الإطار ليس فقط يضمن تقارب المولد إلى التوزيع الحقيقي للبيانات، بل يمكّن أيضًا المميز من الحفاظ على معلومات الكثافة عند الحل الأمثل عالمياً. نشتق الصيغة التحليلية للحل المستقبلي ونحلل خصائصه. لجعل الإطار المقترح قابلاً للتدريب في التطبيقات العملية، نقدم تقنيتين فعالتين للتقرير التقريبي. من الناحية التجريبية، تتطابق نتائج التجارب بشكل وثيق مع تحليلنا النظري، مما يؤكد أن المميز قادر على استعادة طاقة توزيع البيانات.