MCMC前処理のためのノーマライズフローの複雑さの削減

本研究では、マルコフ連鎖モンテカルロ（MCMC）アルゴリズムの効率を向上させるための前処理手法の一環として、ノーマライズフロー（NF）の複雑さを削減する新たなアーキテクチャを提案しています。従来、NFを用いた非線形前処理は有効とされていましたが、過剰にパラメータ化されたNFはサンプリング効率やフィットの質を低下させることが報告されています。提案する手法では、線形成分と条件付きNFを組み合わせることでNFの複雑さを低減し、対象分布の幾何に対する適応性を向上させています。具体的には、温暖化サンプルから推定されるおおよそガウス的な次元に線形前処理を適用し、より複雑な次元には条件付きNFをモデル化します。このアプローチは、複雑な合成分布において優れたサンプルを生成し、限られたデータによる階層ベイズモデルの分析においても効果的です。