ニューラル・トランスポートによる加速された並列テンパリング
arXiv stat.ML / 2026/3/26
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、隣接するテンパリング済み分布の重なりが高次元かつ多峰性のターゲットでは小さくなると、Parallel Tempering（PT）MCMCの性能が低下するという限界に取り組む。
- ニューラル・サンプラ（正規化フローや拡散モデルなど）をPTに統合し、隣接する分布間の重なりを効果的に広げることで、PTを加速することを提案する。
- この枠組みでは、ニューラル・サンプラを並列に用いながら、一般にニューラル・サンプラを単独で走らせる際に伴う全計算負荷を回避することを目指しつつ、PTの漸近的な整合性（asymptotic consistency）を維持する。
- 著者らは、本手法がサンプルの質を改善し、古典的PTに比べて計算コストを低減し、自由エネルギー／正規化定数の効率的な推定を後押しすることについて、理論的および実験的な根拠を示す。
