볼츠만 분포를 위한 한 단계 샘플러 드리프팅 기반

본 논문은 에너지 함수 E(x) 로 정의되는 볼츠만 분포 p(x)=Z⁻¹exp(−E(x)) 를, 정규화 상수 Z 를 알 수 없는 상황에서도 효율적으로 샘플링하기 위한 새로운 프레임워크를 제안한다. 기존의 Langevin dynamics, Hamiltonian Monte Carlo 등은 반복적인 MCMC 절차가 필요해 테스트 시 계산 비용이 크게 증가한다. 이를 극복하고자 저자들은 ‘드리프팅(Drifting)’이라는 개념을 도입한다. 드리프팅은 현재 제네레이터 f_θ가 만든 분포 q_θ와 목표 p 사이에 이동 벡터 V_{p,q}(x)를 정의하고, 이 벡터를 최소화하도록 제네레이터를 학습하는 방법이다. 드리프팅 벡터는 V_{p,q}(x)=η