基于高斯过程的化学反应网络误差控制探索

为了在理论上理解复杂化学反应体系的反应性，需要高精度计算势能超曲面上驻点的相对能量。由于除了最简单的化学过程外，所有过程中都存在大量中间体，因此需要近似量子化学方法来快速评估相对能量，但以牺牲精度为代价。尽管有大量的基准研究，量子化学方法的精度往往难以评估。此外，方法精度的显著提升（例如，通过重参数化或系统性模型扩展）很少能够实现。在此，我们提出一种新方法，通过应用高斯过程实现量子化学结果的系统性、问题导向和滚动改进。由于其贝叶斯特性，每次预测均提供可靠的误差估计。如果与特定计算相关的不确定性超过给定阈值，则可采用高精度参考方法。随后将新数据点添加到不断增长的数据集中，以持续改进模型及所有后续预测。通过更新后的模型验证先前的预测，以确保不确定性保持在给定的置信界内，我们将此称为回溯。我们以一个复杂化学反应网络为例演示了该方法。