스케일프리 필드 이론을 이용한 빠르고 결정적인 확률밀도 추정

본 논문은 확률밀도 추정이라는 고전적인 통계 문제를 물리학의 통계장 이론과 연결시켜, 스케일‑프리 베이지안 사전(prior)을 이용한 새로운 방법론을 제시한다. 저자는 먼저 N개의 D‑차원 데이터 {x_n}이 실제 밀도 Q_true(x)에서 추출된다고 가정하고, 목표는 Q_true을 추정하는 것이라고 명시한다. 전통적인 베이지안 접근은 부드러움 길이 스케일 `을 사전에 지정하고, 해당 스케일에 대한 Gaussian 필드 사전을 정의해 MAP 해를 비선형 방정식으로 구한다. 그러나 `값을 어떻게 선택하느냐가 핵심 난제이며, 기존 연구는 교차검증이나 제한된 `값 집합에 대한 수치 실험에 의존했다. 이 논문은 스케일‑프리 사전 p(Q)=∫₀^∞ p(Q|`)p(`)d` 를 채택하고, Jeffreys prior p(`)∝`^{-1} 로 설정해 스케일 변환에 대한 공변성을 확보한다. 필드 φ(x)와 밀도 Q(x)=e^{-φ(x)}/∫e^{-φ(x')}dx' 사이의 일대일 대응을 이용해, 사전 p(φ|`)를 액션 S_N`