本記事では、格子場理論（LFT）の高次元多峰サンプリング問題に対する粒子モンテカルロ法が紹介されています。著者は、GPUを利用した粒子メソッドや連続モンテカルロ法（SMC）、ネストサンプリングが、最先端のニューラルサンプラーと同等またはそれを上回るサンプル品質と計算時間を達成することを示しています。これらの方法は、単一のデータ駆動型共分散で調整され、問題特有の構造を持たずに競争力のある性能を発揮します。LFTにおけるこの成果は、学習提案のトレーニングコストを正当化するタイミングを考える上で新たな基準を設定します。本研究は、2025年のNeurIPSワークショップでも発表予定です。