
أخذ عينات عبر سلسلة ماركوف يستخدم تدرجات التوزيع الخلفي لاتخاذ خطوات طويلة وموجهة بدقة في الأبعاد العديدة.هاميلتوني مونت كارلو (HMC) هي طريقة مونت كارلو عبر سلاسل ماركوف (MCMC) لأخذ العينات من التوزيعات الاحتمالية، خاصة تلك ذات الأبعاد العديدة. على عكس طرق المشي العشوائي الأبسط، تستخدم HMC تدرج التوزيع المستهدف لاقتراح خطوات بعيدة عن النقطة الحالية، مع الحفاظ على معدل قبول مرتفع. وهذا يجعلها فعالة للغاية لاستكشاف الفضاءات عالية الأبعاد، حيث تميل المشي العشوائي إلى التحرك ببطء. تعتبر HMC حجر الزاوية في الحساب البايزي الحديث، خاصة في مجالات مثل التعلم الآلي والفيزياء الإحصائية.
قدم هذه الطريقة سيمون دوين وأنتوني كينيدي وبريان بندلتون ودنكان رويث في عام 1987، بناءً على أعمال سابقة في نظرية القياس الشبكي.
تفسر HMC التوزيع المستهدف كدالة طاقة كامنة وتقدم متغيرات 'زخم' مساعدة. ثم يتطور النظام وفق ديناميكا هاميلتونية، محاكياً كرة عديمة الاحتكاك تتدحرج على منظر طبيعي شكله اللوغاريتم السالب للتوزيع المستهدف. بعد مسار محاكى، يتم قبول أو رفض الموضع والزخم الجديدين باستخدام خطوة متروبوليس، التي تصحح أي خطأ في التقطيع. المفتاح هو أن الديناميكا قابلة للعكس وتحافظ على الحجم، لذا يتقارب الخوارزم إلى التوزيع الصحيح. يوجه التدرج المسار نحو مناطق الاحتمال العالي، مما يسمح بقفزات كبيرة.
إنها خوارزمية أخذ العينات الافتراضية في لغات البرمجة الاحتمالية مثل ستان وPyMC، وتستخدم لملاءمة نماذج بايزية معقدة في العلوم الاجتماعية وعلم الأحياء والمالية.
يشير اسم 'هاميلتوني' إلى إعادة صياغة ويليام روان هاميلتون للميكانيكا الكلاسيكية، والتي يستعيرها الخوارزم لتحويل أخذ العينات إلى محاكاة فيزيائية.











