この記事では、高次元かつ多峰性の非正規化確率分布から効率的にサンプリングを行うという課題に対処するためのボルツマン生成器（BG）の学習方法について述べられています。特に、従来の変分手法が遭遇するモード崩壊の問題を回避するために、制約付き質量輸送（CMT）という新しい変分フレームワークが提案されており、これによりKLダイバージェンスやエントロピー減衰に関する制約を設けています。これにより、分布の重なりを向上させ、質量のテレポーテーションを軽減し、早期収束を防ぐことができます。実験結果によれば、CMTは従来の最先端の変分手法を越え、2.5倍以上の効果的なサンプルサイズを実現しながらも、モード崩壊を避けることができると報告されています。