1. 材料数据不确定性量化工程导论

材料研发正在从“经验试错”转向“数据驱动”。当高通量实验、第一性原理计算、分子动力学、文献挖掘与工业检测共同汇入材料数据库时，一个绕不开的问题出现了：这些数据并不“干净”。同一牌号铝合金在不同炉次、不同拉伸试验机、不同试样尺寸下测得的屈服强度可能相差十几兆帕；DFT 计算得到的形成能会随泛函、赝势和 k 点网格变化；文献中报道的带隙值可能因样品纯度与测试方法不同而分散。若直接把这些数据喂给机器学习模型，模型学到的可能不是材料规律，而是测量偏差与数据噪声。材料数据不确定性量化工程，正是为解决这一问题而生的交叉方向。

课程目标与交叉定位

本课程的目标不是泛泛介绍“不确定性”概念，而是建立一条从数据到决策的完整工程能力链：能够识别材料数据中不确定性的来源，能够用概率分布、区间、置信度等数学语言描述它，能够通过误差传播与灵敏度分析判断哪些因素主导结果波动，能够在机器学习模型中输出带不确定性的预测，并最终把不确定性转化为材料筛选与实验设计中的风险判断依据。

材料信息学与不确定性量化（UQ）的交叉定位可以用一句话概括：材料信息学负责“从数据中找规律”，不确定性量化负责“说清这个规律有多可信”。前者提供特征工程、回归/分类模型、主动学习与数据库技术；后者提供概率建模、蒙特卡洛传播、贝叶斯推断、共形预测与校准评估。两者结合，才构成可工程化的材料数据决策系统。

工程应用场景

不确定性量化在材料工程中并非学术装饰，它直接对应几类高频场景。第一类是材料筛选与排序：当模型预测多个候选合金的强度时，若只按均值排序，可能选中一个预测均值高但方差极大的成分，实验失败风险很高；若同时考虑预测均值与不确定性，可以优先选择“均值较高且置信区间窄”的候选。第二类是实验设计：主动学习中常用“预测不确定性”作为采样准则，优先测试模型最不确定的区域，从而用更少实验覆盖更大设计空间。第三类是工艺窗口确定：例如增材制造中激光功率与扫描速度的波动会传递到熔池温度，进而影响孔隙率，UQ 可以给出满足孔隙率要求的工艺参数容差范围。第四类是数据质量评估：当多个来源的数据冲突时，通过不确定度加权融合，比简单平均更合理。

整体学习路径与工具链概览

本课程按“概念—方法—实现—案例”递进。前几章建立不确定性的分类体系（偶然不确定性与认知不确定性）、概率基础与误差传播；中间章节进入机器学习中的 UQ 方法，包括高斯过程回归、贝叶斯神经网络、深度集成、分位数回归与共形预测；随后进入材料专用环节，如 DFT 计算误差建模、实验测量不确定度评定、多源数据融合；最后通过合金设计、电池材料筛选、增材制造工艺优化等案例完成闭环。

工具链方面，Python 生态是主线：numpy/scipy 用于概率计算与蒙特卡洛，scikit-learn 用于基础模型与交叉验证，GPyTorch 或 scikit-optimize 用于高斯过程与贝叶斯优化，PyMC 或 Stan 用于贝叶斯推断，MAPIE 用于共形预测。材料数据侧可对接 pymatgen、ASE 与 Materials Project API。工程落地时，建议把“数据版本—模型版本—不确定度评估结果”一并记录，避免只保存预测均值而丢失可信度信息。

需要强调的是，不确定性量化不是给模型“加一个误差棒”那么简单。它要求从数据采集、特征构造、模型选择到结果解释的每一环都保持概率一致性。例如，若训练数据中某成分区间样本极少，模型在该区域的认知不确定性应显著增大，而不是给出一个看似精确的预测。只有把这种“知道自己不知道”的能力工程化，材料信息学才能真正支撑高风险的材料研发决策。