A Bayesian framework for adaptive selection, calibration, and validation of coarse-grained models of atomistic systems

الگوریتم مدل سازی برای انتخاب و اعتبارسنجی مدل های درشت دانه از سیستم های اتومیستی ارائه شده است. یک چارچوب بیزی برای رفع عدم قطعیت در پارامترها، داده ها و انتخاب مدل طراحی شده است. الگوریتم برای محاسبه حساسیت خروجی به واریانس پارامترها، شواهد مدل و شایستگی مدل خلفی برای داده های داده شده و برای محاسبه آنچه که به عنوان دسته های عکم به عنوان یک معیار خشن از سادگی مدل مطرح می شوند، مولفه های کلی رویکرد را تشکیل می دهند. نتایج محاسباتی برای برنامه های ارائه شده ارائه شده است.