神经网络势能单模型的不确定性量化表现未必比模型集合更好（英文版）

英文标题：Single-model uncertainty quantification in neural network potentials does not consistently outperform model ensembles中文摘要：本研究考察了用于提高神经网络相互作用势模型的稳健性的多个不确定性量化方案，包括平均 - 方差估计，深度证据回归和高斯混合模型，并与现有基于集成的方法进行比较。研究表明，对于不确定性量化，成本有效的单一确定性模型尚不能始终匹配或胜过集成方法。英文摘要：Neural networks (NNs) often assign high confidence to their predictions, evenfor points far out-of-distribution, making uncertainty quantification (UQ) achallenge. When they are employed to model interatomic potentials in materialssystems, this pr