Обучение ансамблей: надежная оценка неопределенности в машинном обучении потенциалов
![Оценка логарифмической правдоподобности показывает, что инициализация и тонкая настройка ансамблей на последнем слое превосходят обучение поверхностных ансамблей с нуля, при этом анализ логарифмической правдоподобности энергии и силы, усредненный по пяти наборам данных и трем случайным начальным значениям, демонстрирует значительное улучшение, особенно для материалов BMIM и [latex]\text{BaTiO}_3[/latex], где выделяются отдельные выбросы, указывающие на чувствительность подхода к конкретным свойствам материалов.](https://arxiv.org/html/2602.15747v1/x4.png)
Новое исследование предлагает эффективный подход к построению ансамблей моделей для точного прогнозирования и количественной оценки неопределенности в расчетах межмолекулярных взаимодействий.



