多保真表格先验网络

跨保真度预测更准

通过层级Transformer架构同时利用低、高保真度数据，提升预测的准确性和不确定性量化能力，并可无缝适应单保真度场景。

Shi, Yan · 刘诚 · Lu, Zhenzhou · Kou, Jiaqing · Chen, Xin · 刘宇 · 黄钟 · Beer, Michael

Nature Communications 2026

技术优势

多保真也能用

层级 Transformer 架构能建模跨保真度的关联，把低保真度模拟或测量数据和高保真度数据放在一起用，实测样本不够也能提升精度。

主动学习省资源

内置主动学习框架，优先挑对模型提升最大的数据点做标注或仿真，在高成本任务里显著减少资源消耗。

不确定性更可信

比起只用高保真度数据或普通融合方法，MFTabPFN 的不确定性量化更准，关键决策时能给出靠谱的置信区间。

应用场景

• 具身智能预测建模：用多保真数据训练更准的环境预测模型，让机器人决策更可靠。
• 多保真设计与优化：融合低保真度仿真和高保真度实验，减少昂贵的高保真评估次数。
• 药物发现：利用多保真度实验数据更准确地预测化合物性质，加速筛选。
• 气候科学：融合不同分辨率的气候模型数据，提升预测精度和不确定性量化。