我刚刚启动了一个项目，该项目需要通过哈密顿量蒙特卡罗方法从高维度（目前为〜10 ^ 3维，但应该为〜10 ^ 6）和高度非高斯后验分布中进行采样（HMC）采样器。在我的特定情况下，可以通过分析来计算电势的梯度，并且可以粗略地近似质量矩阵。据我了解，大多数概率编程包（例如stan，tf.probability，edward，pymcx等）都使用某种数值/随机梯度计算/逼近方法，这可能会更耗时，并且效率较低。收敛。
现在，我在this伪代码中有一个非常幼稚的python实现，这对于高维计算是很慢的。您是否知道该算法是否有任何提高性能的修改，或者是否已经有好的快速采样器明确考虑了这些分析结果？