arXiv · AI· Matteo Tolloso, Davide Bacciu, Luigi Bonati·· 1 天前AI 评分21
**title_zh**：多保真度训练重塑原子模型的不确定性分解
Multi-Fidelity Training Reshapes Uncertainty Decomposition in Atomistic Models
AI 导读
**summary_zh**：研究表明，在多保真度原子模型训练中，预训练能提升预测误差及不确定性排序表现，但无法保证校准精度。 使用 MACE 模型及 ANI-1x 数据集验证发现，高保真度微调阶段易导致 aleatoric 方差过度自信，且该问题在能量外推场景下显著恶化。 该结论强调了在评估此类模型时，必须将不确定性排序与校准作为独立属性进行衡量。
来源：arXiv · AI · arxiv.org