비가역 몬테카를로 알고리즘으로 효율적 샘플링

본 논문은 마르코프 체인 몬테카를로(MCMC) 방법론의 근본적인 가정인 상세균형(Detail Balance, DB)이 실제로는 충분조건에 불과하며, 비가역적인 전이 구조를 도입함으로써 샘플링 효율을 크게 향상시킬 수 있다는 점을 이론적·실험적으로 입증한다. 첫 번째 섹션에서는 DB의 정의와 전통적인 메트로폴리스-헤이스팅스(Metropolis‑Hastings, MH) 알고리즘이 어떻게 DB를 만족하도록 설계되는지를 간략히 리뷰한다. DB는 각 상태 쌍 (i, j) 에 대해 π_i P_{ij}=π_j P_{ji} 를 요구함으로써 목표 분포 π에 대한 불변성을 보장한다. 그러나 DB는 마코프 체인의 수렴을 보장하는 충분조건일 뿐, 필요조건은 아니다. 최근 연구들은 비가역 마코프 체인이 ‘전역 균형(Global Balance)’만을 만족해도 목표 분포에 수렴할 수 있음을 보였으며, 비가역 흐름이 자기상관 시간을 감소시켜 혼합 시간을 단축한다는 점을 강조한다. 두 번째 섹션에서는 이러한 비가역성을 기존 가역 알고리즘에 적용하는 일반적인 변형 연산자를 제시한다. 변형 연산자는 각 전이 쌍 (i→j, j→i) 에 대해 비가역 편향 함수 f_{ij} (f_{ij} = -f_{ji}) 를 도입하고, 기존 전이율 P_{ij} 를 \