Research Project
Grant-in-Aid for Scientific Research (B)
高次元確率分布からのサンプリングは多くの研究分野に現れる共通課題である。本研究では、一般に計算量の増大が問題となるモンテカルロ法のサンプリングの効率化を目指す。そのために代替モデルの方法を適用するが、代替モデルの研究とはならずオリジナルのモデルのサンプリングを可能にする点にモンテカルロ法の特性がある。代替モデルには機会学習モデルを用いながら、現時点で最も効率のよいとされる拡張アンサンブル法や、詳細つりあいの破れた手法を融合することにより、さらなる効率化を実現し、これまでに実施が難しいとされる複雑な統計力学モデルの大規模計算や大量データのベイス推定が可能となる方法論を確立する。