Bayesian uncertainty quantification in the evaluation of alloy properties with the cluster expansion method

مدل های جایگزین پارامترهای مورد استفاده در مدل سازی آلیاژی برای به سرعت به دست آوردن خواص دیگری مانند انرژی های مکانیکی کوانتومی و سپس به منظور بهینه سازی و یا صرفا محاسبه برخی از مقدار آلیاژ مورد علاقه، به عنوان مثال، انتقال فاز، با توجه به محدودیت های داده شده استفاده می شود. پس از آموختن در یک مجموعه داده، جایگزین می تواند خواص آلیاژ را سریعا محاسبه کند، اما با عدم اطمینان بیشتری نسبت به کد رایانه افزایش می یابد. این عدم قطعیت به کمیت علاقه مند می شود و در این کار ما تلاش می کنیم آن را کم کنیم. علاوه بر این، از آنجا که اموال آلیاژ برای محاسبه گران گران است، ما فقط مقدار محدودی از داده ها را که از آن جایگزین می شود یاد می گیریم. بنابراین، اطلاعات محدودی باعث افزایش عدم قطعیت در میزان علاقه می شود، و ما نشان می دهیم که چطور این را نیز ضبط کنیم. ما نمی توانیم و نباید اعتبار جایگزین را قبل از اینکه کمبود های نامطلوب در برنامه را در دست کم کنیم. بنابراین، در این کار، یک چارچوب کاملا بیزی برای اندازه گیری عدم قطعیت در مقادیر آلیاژ مورد علاقه ایجاد می کنیم که از جایگزین کردن کد رایانه گرانقیمت با جایگزین سریع و از اطلاعات محدود است. ما یک جایگزین خاص را در مدل سازی آلیاژی، گسترش خوشه ای و محبوبیت خاص خود در نظر می گیریم و قصد داریم اندازه گیری کنیم که چقدر انرژی مکانیکی کوانتومی را جذب می کند. چارچوب ما برای سایر اجزای جایگزین و خواص آلیاژ قابل استفاده است.