この記事では、マルコフ確率場（MRF）の効率的なサンプリング問題に取り組んでいます。従来のPottsモデルやイジングモデルのMRFサンプリングはGibbsサンプリングに依存しており、計算コストが高いことが課題です。本研究では、ガウス型マルコフ確率場（GMRF）との関連を通じてこのボトルネックを克服する新しい手法を提案します。具体的には、実数値のGMRFから離散値のMRFへのマッピングを導入し、新しいMRFクラスを構築しました。このモデルは理論的性質においていくつかの利点を持つことが確認されており、数値実験ではGibbsサンプリングよりも少なくとも35倍速い効率でサンプリングでき、エネルギー消費は37倍少なくて済むことが示されています。さらに、古典的なMRFに近い経験的性質も実現しています。