本研究提出了一种新的稀疏变分高斯过程(FMGP)，用于估计预训练深度神经网络的后验不确定性。实验结果表明，FMGP在不确定性估计和计算效率方面优于现有方法。

本文提出了一种利用贝叶斯优化来优化变分量子本征解算器（VQE）的新方法，通过推导出VQE-kernel来匹配VQE的目标函数的已知函数形式，减少后验不确定性来优化系统。实验证明该方法相比于现有的基线方法具有改进效果。