用于图神经网络势能松弛能量预测不确定性估计的旋转不变潜变量距离
原文中文，约300字，阅读约需1分钟。发表于：。给出的研究论文主要讨论了基于图神经网络（GNN）的分子性质预测中的不确定性预测方法，提出了使用无分布技术来评估校准、重新校准和开发 GNN 进行放松能量计算的不确定性预测方法。通过基于 Open Catalyst Project 数据集的等变 GNN 进行放松能量任务的评估，我们发现潜在距离方法是放松能量计算中最具校准性和经济性的方法，并通过聚类、状态方程和吸附剂覆盖等实例验证了这种方法的效果。
该研究证明了图神经网络（GNNs）利用关系信息提高模型准确性的方法，并提出了一种基于采样的联合学习任务解决方法。实证结果验证了理论观点和方法的有效性。
