ANI-1x

多保真度训练影响原子模型中的不确定性

一项新近发表在arXiv上的研究探讨了多保真度训练对原子模型中不确定性分解的影响。研究人员使用了在ANI-1x数据上训练的MACE模型的深度集成，并比较了从头开始训练与低保真度预训练后进行微调的效果。研究结果表明，预训练可以提高预测精度和基于不确定性的排序，但可能导致预测方差校准不佳，尤其是在外推到未见过的分子系统或更高能量构型时。该研究强调，不确定性排序和校准是需要区分评估的两个独立属性，在多保真度原子建模中尤其如此。