区分確定的マルコフ過程 (PDMP: Piecewise Deterministic Markov Process) に基づく Monte Carlo 法は， Metropolis-Hastings (MH) の枠組みから逸脱することでスケーラビリティを達成する MCMC 手法である． より速い収束に加え，ミニバッチから計算した勾配の不偏推定量のみを用いて実行した場合も漸近的に正確な推論が可能であることが美点である． しかし，momentum を用いる方法や自然勾配を用いる方法など，従来 MH 法に対して培われた性能改善手法はそのままでは PDMP に使えない． 本発表では特に Forward Event-Chain Monte Carlo 法という最新の PDMP 法を取り上げ，スケーリング解析を通じてこの手法が尤度の幾何的情報を利用して収束を速めることができていることを示す．