แฮมิลตันเนียน มอนติคาร์โล

แฮมิลตันเนียนมอนติคาร์โล (HMC) เป็นอัลกอริทึมที่ใช้ในการสร้างแบบจำลองทางสถิติแบบเบย์ เป็นอัลกอริธึม Markov Chain Monte Carlo (MCMC) ที่ใช้กลศาสตร์แฮมิลตันเพื่อสำรวจบริเวณที่อาจมีความโค้งของการกระจายความน่าจะเป็นหลังของชุดพารามิเตอร์ได้อย่างมีประสิทธิภาพ อัลกอริธึมสุ่มตัวอย่างพารามิเตอร์จากระบบแฮมิลตันสมมุติซ้ำๆ ด้วยระดับพลังงานที่แน่นอน จากนั้นจึงปรับระดับพลังงานในการวนซ้ำแต่ละครั้ง ซึ่งช่วยให้อัลกอริธึมสามารถสำรวจพื้นที่ขนาดใหญ่ของการกระจายหลังแบบไดนามิกได้มากกว่าอัลกอริธึม MCMC แบบเดิม ซึ่งยังคงอยู่ในพื้นที่ที่กำหนดไว้ล่วงหน้าของพื้นที่

HMC จัดเตรียมแนวทางที่มีประสิทธิภาพในการสุ่มตัวอย่างการแจกแจงภายหลังที่เป็นไปได้ และใช้ในแอปพลิเคชันทางสถิติหลายอย่าง เช่น การถดถอยแบบเบย์ และในอัลกอริธึมการเรียนรู้ของเครื่อง พบว่า HMC ทำงานได้ดีกว่าอัลกอริธึม MCMC แบบดั้งเดิมโดยการใช้ข้อมูลเกี่ยวกับการแจกแจงความน่าจะเป็นภายหลัง นอกจากนี้ อัลกอริธึมไม่ต้องการการปรับแต่งหรือความรู้จำนวนมากเกี่ยวกับการแจกแจงพื้นฐาน

HMC ได้รับการพัฒนาโดย Neal Radford และ Geoffrey Hinton ในปี 1990 Radford ได้รับแรงบันดาลใจจากการพัฒนาล่าสุดของฟิสิกส์ Hamiltonian และพัฒนาอัลกอริทึมเพื่อทำความเข้าใจพฤติกรรมของระบบทางกายภาพ นอกจากนี้ Hinton และ Radford ยังใช้อัลกอริธึมเพื่อสำรวจโครงสร้างของโครงข่ายประสาทเทียม