この論文は、格子モンテカルロで得られる虚時間の相関関数（ユークリッド相関関数）から「スペクトル密度」と呼ばれる物理量を厳密に囲い込む方法を示します。スペクトル密度は粒子の質量や結合状態などの実体情報を含む重要な対象です。しかし通常、それを復元するには不安定な逆問題（ラプラス型の逆変換）を解く必要があり、小さなデータのゆらぎが大きな誤差につながります。著者らは「最良のスペクトル」を求める代わりに、スペクトルに対する任意の線形な評価量（たとえばある周波数帯域の積分）がデータと物理的制約の下でどれだけ小さくまたは大きくなり得るかを直接計算します。これにより、得られる上下界は厳密な意味で保証されます。

研究者たちは次のように進めます。まず格子系では反射正定性という性質が成り立ち、これがスペクトル密度ρ(ω)が非負であることを保証します。ユークリッドの二点相関関数C(t)はカレン=レンハン表現という形でスペクトル密度と既知のカーネルK(ω,t)=e^{-tω}+e^{-(T-t)ω}の積分で表されます。観測データにはモンテカルロサンプルに由来する誤差があり、その共分散行列Σが推定できます。著者らは、データに統計的に整合するスペクトル密度だけを許すように、残差ベクトルy(ρ)=∫K(ω,t_j)ρ(ω)dω−C̄(t_j)の二乗マハラノビス距離y^TΣ^{-1}yをある閾値F_max以下に制限します。F_maxはブートストラップやジャックナイフで得た経験分布の99%分位などから決めます。こうして得た最小化・最大化問題は凸問題になり、さらにシュール補完（Schur complement）を使って「半正定値計画（SDP：semidefinite program）」に書き換えられます。SDPは標準のソルバーで解け、解の正当性を示す厳密な証明書を取り出せます。

スペクトル密度そのものは一般に点スペクトル（デルタ関数）を含む分布なので点ごとに復元するのは非現実的です。そこで著者らは窓関数（区間の指示関数）や幅を持つガウスなどの「重み関数」G(ω)を用いて、(G,ρ)=∫G(ω)ρ(ω)dωの上下界を求めます。これは特定の周波数帯域に含まれるスペクトル総量を直接評価することに相当します。さらに、無限次元の元のSDPをそのまま数値に落とし込むには近似が必要です。論文の新規性はこの無限次元問題の双対を厳密に緩和して、有限次元のSDPの階層（レベルを上げれば近似が改善する列）に変換する方法にあります。階層は標準ソルバーで効率よく解け、十分細かいレベルではモンテカルロ統計誤差が支配的になるまで収束することが示されています。

この手法の重要な利点は二つあります。一つは得られる上下界が厳密であることです。緩和が必ずしも厳密でない場合でも、出力された境界は有効な上界・下界として使えます。もう一つはデータの一貫性チェック機能です。もし与えられた相関関数と誤差が「同時に」満たせないならば、SDPが不可能（infeasible）であることを示し、その証明書は誤差バーの過小評価や自己相関の見落としなど、モンテカルロ解析上の問題を指摘します。論文では具体例として二次元の格子ϕ^4理論に対するモンテカルロデータで手法を示しています。

留意点と限界も明確に述べられています。手法は線形な関数alsの上下界を与えるものであり、スペクトル密度を点ごとに高精度で復元する方法ではありません。また手法の統計的前提として、モンテカルロ推定量のゆらぎが近似的にガウス分布に従い、共分散行列Σが既知であることを仮定します。F_maxの選び方（ここではブートストラップ由来の99%分位など）や、無限次元問題を有限次元に落とす際の緩和レベルの選択が結果に影響します。さらに有限次元化を単純に行うと離散化誤差が出ますが、著者らの階層的緩和はこれを制御して厳密性を保持するよう設計されています。総じて、この方法は格子モンテカルロの既存データから透明で保証付きの物理情報を取り出す新しい道を示すものです。