この記事では、複雑な確率シミュレーターに対するベイズパラメータ推論の課題について述べています。従来のシミュレーションベースの推論方法は、多くのシミュレーションを必要とし、高次元パラメータ空間や情報が部分的に欠如している問題ではコストがかかるため、新しい手法が求められています。著者らは、Optimization Monte Carloフレームワークに基づく新しいアプローチを提案し、確率的シミュレーションを決定論的最適化問題に再定義します。この方法では、勾配ベースの手法を用いて高確率の後分布領域への効率的な探索を行い、低確率領域での無駄なシミュレーションを回避します。JAXを用いた実装がパフォーマンスを向上させ、さまざまな実験を通じて、最新の手法と比較して精度を維持しつつ、実行時間を大幅に削減できることを示しています。