В чем заключаются преимущества метода Hamilton Monte Carlo перед другими алгоритмами машинного обучения?

Некоторые преимущества метода Hamilton Monte Carlo перед другими алгоритмами машинного обучения:

• Снижение корреляции между последовательными состояниями. en.wikipedia.org Hamilton Monte Carlo предлагает переходы в отдалённые состояния, которые имеют высокую вероятность принятия. en.wikipedia.org Это позволяет сократить количество необходимых образцов цепочки Маркова для приближения к целевому распределению вероятностей. en.wikipedia.org
• Эффективность в многомерных пространствах. arogozhnikov.github.io В таких пространствах алгоритм Metropolis–Hastings, на основе которого работает Hamilton Monte Carlo, исследует пространство неэффективно. arogozhnikov.github.io Hamilton Monte Carlo более эффективен. arogozhnikov.github.io
• Возможность работы с распределениями, имеющими изолированные локальные минимумы. arogozhnikov.github.io У алгоритма Hamilton Monte Carlo есть проблемы с выборкой из таких распределений, но он в большинстве случаев принимает новые состояния. arogozhnikov.github.io
• Применение для анализа систем с большим количеством частиц. bjlkeng.io Hamilton Monte Carlo особенно эффективен при работе с такими системами, например в термодинамике. bjlkeng.io