1.8 eV，够好了吗？

你跑完DFT，得到带隙1.8 eV。实验值2.1 eV。你会怎么写？“与实验吻合良好”？还是“偏差0.3 eV，可能来自泛函选择、k点密度或结构弛豫”？

过去我们习惯报“最佳估计”。但现在越来越多审稿人追问：这个估计有多可信？

不确定性量化（UQ）听起来高级，核心很朴素：算出来的结果不是点，而是分布。它关心泛函误差、数据噪声、模型外推、采样不足。把这些因素列出来，读者才能判断结论的适用范围。

在机器学习势里，UQ尤其重要。模型在训练集附近表现完美，一旦外推到没见过的高温高压区域，可能给出离谱的能量预测。没有置信区间，这种预测就是数字赌博。

我见过一个工作，ML势预测的某合金高温能量“漂亮”地低，但实际一做热力学积分，偏差大到没法用。

做UQ之前，需要先有可重复、可调整的流程。你需要快速跑不同参数、对比方法、看结果怎么漂移。SLMat的浏览器端计算适合这种轻量验证：换一组k点、换一种泛函、看带隙变化范围，几分钟内拿到反馈。它不是UQ的终极答案，但能让你在投入大量机时之前，先把边界摸清楚。

未来的计算材料论文，如果只给一个数，会像实验论文不给误差棒一样可疑。

可信度是新一代计算的货币。UQ不会让你的结果更漂亮，但会让它更值得信赖。

你最近一次在论文里认真讨论误差来源，是什么时候？