ベイズ最適化（BO）は評価コストが高い問題に有効ですが、試行回数（予算）が極端に少ないと、サンプリング不足や探索・活用のバランス悪化、次元の呪いなどにより性能が低下します。このLimited-budgetの課題に対し、有望領域に集中する「探索空間の絞り込み」や、複数手先を読んで評価点を決める「先読み（非近視眼的）アプローチ」が研究されています。これらは評価効率向上が期待される一方、計算コスト増、近似誤差、チューニング、高次元への適用性といった新たな課題も生じます。マテリアルズ・インフォマティクス（MI）など実応用では、問題特性に合わせた手法選択と、これらの課題への慎重な考慮が不可欠です。