Katharine Fisher Schwab

新研究探索用于原子模拟不确定性的多变量共形方法

一篇新研究论文探讨了用于量化原子模拟中不确定性的多变量共形方法，这是开发机器学习中准确的原子间势的关键步骤。该研究由Katharine Fisher Schwab撰写，引入了诸如Bonferroni校正超矩形和基于Mahalanobis距离的集合等技术，以在多阶段工作流程中传播不确定性。这些方法旨在捕捉下游数量的误差抵消，从而改进化学性质和原子构型的预测。