自动化优化参数并量化不确定性
该框架融合物理信息机器学习与自助法集成，将低信息量数据转化为等式约束，实现热力学模型参数的高效自洽优化与可靠不确定性量化。
Haochen, Sun · 刘伟 · 鲁晓刚
Scripta Materialia 2026
物理信息机器学习模块将低信息量的单点数据直接转化为等式约束，无需人工干预或先验建模。
采用确定性加权最小二乘求解器，避免了马尔可夫链蒙特卡洛方法所需的反复采样与长链收敛，参数估计速度显著提升。
参数自助集成模型在不进行线性近似的条件下传播不确定性，避免了传统误差传播中因线性化带来的偏倚。
在Fe–Co–Ni体系案例中，框架快速收敛，并在拓扑精度上优于传统方法，有助于更可靠地指导实验。