非線形ベイズフィルタリングは、信念分布を効果的に表現することが中心的な課題となっています。従来のモーメントベースのフィルタは、多項式モーメントを伝播させ、それらから密度を再構成することでこの問題に対処してきました。最近の研究では、最大エントロピー（MaxEnt）原理を用いて予測・更新のループを完成させようとしていますが、各ステップでは分割関数とその勾配が必要となります。これらはn次元積分であり、計算コストが指数関数的に増加するため、実証されたMaxEntモーメントフィルタリングはn≤4に限定されていました。 新たに提案されたスコアカルマンフィルタ（SKF）は、スコアマッチングとスタインの恒等式を組み合わせることで、分割関数を完全に回避しています。このアプローチでは、スコアマッチングにより密度フィットが単一の線形求解に簡約され、その係数は伝播されたモーメントから直接組み立てられます。同じパラメータがスタインの恒等式を駆動して、予測時のモーメント階層を閉じ、各ベイズ更新後に事後モーメントを回復します。これにより、予測・更新ループ全体が分割関数の評価から解放されます。 SKFは古典的な情報形式カルマンフィルタを特殊ケースとして含み、すべてのステップが線形代数を通じて実行されます。非線形結合振動子ネットワークでテストされた結果、n=20まで実行でき、テストされた合成ベンチマークにおいて拡張カルマンフィルタ（EKF）、無香料カルマンフィルタ（UKF）、アンサンブルカルマンフィルタ（EnKF）、粒子フィルタなどのベースラインよりも低いRMSEを報告しています。