현대적인 엔지니어링 워크플로우는 점점 더 대규모 병렬 시뮬레이션에 의존하고 있으며, 이는 확장 가능한 대규모 배치 베이지안 최적화 (Bayesian Optimization (BO))에 대한 필요성을 가속화하고 있습니다. 그러나 기존의 배치 BO 방법들은 큰 계산 비용을 발생시키거나, 배치의 다양성을 저해하는 근사치 (approximations)에 의존합니다. 우리는 배치 생성을 순수한 샘플링 문제로 재구성하는 프레임워크인 B3O (Boltzmann Batch Bayesian Optimization)를 제안합니다. 획득 함수 (acquisition function)에 의해 정의된 볼츠만 분포 (Boltzmann distribution)로부터 샘플을 직접 추출함으로써 기존 대규모 배치 방법들의 병목 현상을 피할 수 있습니다. 이론적으로, 우리는 이 분포에서 샘플링된 쿼리 (queries)가 무시할 수 있을 정도의 추가적인 후회 (regret)만을 발생시킨다는 것을 증명합니다. 실증적으로, B3O는 표준 합성 벤치마크 (synthetic benchmarks)에서 기존 배치 BO 방법들보다 뛰어난 성능을 보이며, 다중 목적 전극 설계 (multi-objective electrode design) 및 혼합 변수 레이스카 구성 (mixed-variable race car configuration)을 포함한 복잡한 응용 작업 전반에 걸쳐 견고하게 적응합니다.