Байесовский выборщик структурных элементов: роль мер стимулирования

arXiv: 2606.18495v2 Annuales Type: заменить перекрестное резюме: для интеграции молекулярных моделей с экспериментальными измерениями широко используется структурное уточнение ансамблей. В то время как большинство прикладных программ сосредоточены на ансамбле с максимальным значением апостериори (MAP), Байесовская выборка задних дивидендов может дать оценки неопределенности и задние средние значения для произвольных наблюдений. Заметный шаг в этом направлении был сделан Байесианской системой метрополии (BELT), где отбор проб производится на семействе с максимальным содержанием энергетики, парамитизированными множителями Lagrange. Здесь мы показываем, что выборка байесов в этой среде требует четкого выбора показателя ансамбля. В частности, плоская мера в пространстве Лагранжа-множителя, использованная при первоначальном формулировании BELT, приводит к заднему распределению, которое формально не является нормальным для контрольных траекторий. Мы предлагаем меру Джеффри в качестве инвариантного рецепта для подсчета, восстановления нормальной жизни.