Este artículo presenta el muestreo secuencial de Monte Carlo (SMC) y el muestreo basado en difusión como métodos eficaces para muestrear a partir de densidades de probabilidad no normalizadas. Estos métodos se basan en la idea de propagar progresivamente las muestras desde una distribución a priori simple hasta una distribución objetivo compleja. El SMC se propaga mediante cadenas de Markov y pasos de remuestreo a través de densidades de recocido sucesivas, mientras que los métodos basados en difusión utilizan la propagación dinámica aprendida. En este artículo, presentamos un marco de principios que combina el SMC y los muestreadores basados en difusión, visualizando ambos métodos en tiempo continuo y considerando medidas en el espacio de trayectorias. A continuación, proponemos un novedoso método de muestreo de difusión de Langevin controlada secuencialmente (SCLD), que aprovecha las ventajas de ambos métodos para lograr mejoras de rendimiento respecto a los muestreadores convencionales basados en difusión en diversos problemas de referencia con un coste de entrenamiento de tan solo el 10 %.
