arXiv · Machine Learning· Stefan P. Schmid, Tobias Setzer, Maximilian Scheurer·2026-11-02 13:00· 8 小时前AI 评分39

通过预训练实现机器学习原子间势的分布外不确定性量化

Towards Out-of-Distribution Uncertainty Quantification for Machine-Learned Interatomic Potentials via Pre-Training

AI 导读

研究提出通过大规模、多样化材料科学数据集预训练不确定性估计器，以提升机器学习原子间势（MLIPs）在不同化学空间中的不确定性量化能力。实验表明，预训练模型能够跨多个数据集提供零样本不确定性估计，微调则能持续改善预测不确定性与预测误差之间的正相关性，包括最具挑战性的数据集。