研究者提出MLIP与DFT风险受控选择框架

一篇 arXiv 机器学习论文提出，把“何时信任机器学习原子间势（MLIP）、何时回退到密度泛函理论（DFT）”当作风险控制下的选择问题处理，用共形风险控制（CRC）框架校准选择阈值。作者为 Kun Ryu、Yeo Jin Jung、Shyue Ping Ong、Claire Donnat、Ying Shirley Meng。 据论文，该框架把 MLIP 与 DFT 的能量、平均力和最大力偏差校准成阈值，使未被选中配置的 MLIP 误差控制在用户指定比例 α 以内。 该结论来自作者在论文中的表述，尚属方法层面的提出，报道未给出实际应用的验证结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。