연속 몬테카를로 샘플러 오류 경계와 초기조건 무감도성

본 연구는 연속 몬테카를로(Sequential Monte Carlo, SMC) 샘플러가 복잡한 확률분포 시퀀스를 근사할 때, 초기 조건에 대한 민감도가 실제 적용에서 큰 제약이 되는 문제를 해결하고자 한다. 논문은 먼저 기존 SMC 이론의 한계를 짚으며, 특히 비컴팩트한 상태공간에서 초기 분포가 최종 추정에 미치는 영향을 정량화하는 것이 부족함을 지적한다. 이후 저자들은 ‘시작-끝’ 분포가 고정된 상황에서 중간 단계 수 M을 알고리즘 파라미터로 두고, M이 증가함에 따라 초기 분포의 영향이 어떻게 소멸하는지를 분석한다. 핵심 가정은 다음과 같다. (1) 전이 커널 Kₘ이 전역적인 도입성(geometric ergodicity)을 만족한다. 이는 모든 상태 x에 대해 Kₘⁿ(x,·)가 목표 분포 πₘ와 총변분거리 ‖·‖₁에서 ρⁿ(0<ρ<1) 이하로 수축한다는 의미이다. (2) 잠재적 함수 Gₘ와 가중치 함수 Wₘ가 Lₚ‑boundedness를 유지한다. 즉, supₘ E_{πₘ}