计算化学中校准预测不确定性的漫漫长路
化学物理
2022-03-21 v2 数据分析、统计与概率
摘要
计算化学（CC）中的不确定性量化（UQ）仍处于起步阶段。极少有CC方法被设计为其预测提供置信水平，且大多数使用者仍不恰当地依赖平均绝对误差作为精度度量。可靠的不确定性量化方法的发展至关重要，尤其为使计算化学能在工业流程中被放心使用。对CC-UQ文献的回顾表明，目前尚无报告或验证预测不确定性的通用标准流程。本文采用气象学与机器学习中为验证概率预报器所发展的概念（校准与锐度）作为分析工具，将这些工具适配于CC-UQ，并应用于由复合方法、贝叶斯集成方法、机器学习以及后验统计方法给出的预测不确定性数据集。
引用
@article{arxiv.2201.01511,
title = {The long road to calibrated prediction uncertainty in computational chemistry},
author = {Pascal Pernot},
journal= {arXiv preprint arXiv:2201.01511},
year = {2022}
}