Hamiltonian MCMC 是否要求建模函数可微？

如何解决Hamiltonian MCMC 是否要求建模函数可微？

我已经阅读了一些关于哈密顿量 MCMC 的参考资料，但没有理解其中的一部分。假设尝试使用 HMC 进行贝叶斯推理。我的问题是高维的（例如，要找到 1000 多个参数）。如您所知，有先验分布和似然分布。在似然概率计算中，我们需要一个前向建模器来计算观察和建模数据之间的差异。我的问题是，由于 HMC 是基于梯度的 MCMC，我们可以在哪个正向建模器不可区分的情况下使用 HMC？对于具有不可微分正向建模功能的高维问题的 MCMC，还有哪些其他解决方案？ 非常感谢。