MST-Directは、Sinkhorn最適輸送に基づくマッチング手法であり、多変量地球統計シミュレーションに用いられる。元の定式化は二変量・無条件・小規模グリッドに限定されていたが、本論文ではこれを多変量・条件付き・大規模グリッド設定へと拡張し、元の研究で指摘された三つの主要な限界を解決している。
第一の限界はスケーラビリティである。元の手法は数千ノード程度までしか扱えなかったが、新手法では稀疏な候補制限付きSinkhornマッチャーを導入し、メモリ複雑度をO(nC)に低減することで、より大規模なグリッドへの適用を可能にした。第二の限界は変数の数である。新手法では、ターゲット値のタプルを独立したFFT-MAガウスバックボーンにマッチングさせることで多変量に拡張し、このバックボーンが規定のバリオグラムを再現する。第三の限界は硬データ条件付けである。観測データのタプルをその空間位置に固定し、同時にクリギングによってバックボーンを条件付ける。輸送計画はターゲットタプルの置換のままであるため、多変量同時分布は正確に保持される。
手法の検証には、Direct Multivariate Simulation（DMS）で用いられたものと同じ六変量・異分散・強非線形な参照分布が使用され、無条件（200x200グリッド）と条件付き（100x100グリッド、硬データ200点）の両シナリオでテストされた。比較対象はProjection Pursuit Multivariate Transform（PPMT）である。
結果として、MST-Directはヒストグラム誤差ゼロで同時分布を再現し、硬データを正確に尊重し、規定の空間相関構造を正確に再現することが示された。一方、PPMTは近似手法の域を出ない。この研究は、Sinkhorn最適輸送が地球統計シミュレーションにおいて、多変量条件付きシミュレーションの正確かつスケーラブルな解決策となり得ることを示している。
論文の索引語は、最適輸送、Sinkhornアルゴリズム、地球統計シミュレーション、多変量シミュレーションである。本論文は2026年5月26日にarXivに投稿され、機械学習（cs.LG）、方法論（stat.ME）、機械学習（stat.ML）などの分野に属する。