一种实用且高效的替代蒙特卡罗方法的测量不确定度评估方法

在计量学中，测量不确定度的评定对测量结果的可靠性起着至关重要的作用。传统上，复杂数值模型的不确定性传播采用蒙特卡罗方法（MCM）。虽然MCM是有效的，但它有明显的缺点，特别是由于需要进行大量的模型评估，因此计算量很大。PTB的研究人员现在已经开发出一种创新的方法，可以显著提高计算效率。

新发展的系统采样传播与重构卷积（SSPRC）方法通过测量模型对影响量进行系统采样和传播，克服了MCM方法的不足。该方法不采用随机抽样，而是采用结构化传播方案，允许大幅减少所需的测量模型评估。此外，SSPRC方法允许使用简化模型来进一步提高其计算效率，因为它允许在单个影响量传播期间重用原始主模型的某些中间结果。

实验研究表明，SSPRC方法在合成测量场景和真实世界测量场景中都具有优势。其中一个应用是通过原子力显微镜（AFM）测量微硬度压痕仪的投影面积函数（PAF）的不确定度估计。蒙特卡洛方法需要大约10,000次模型评估和超过56小时的计算时间，而SSPRC方法在不到25分钟内就取得了相当的结果——效率提高了70倍。此外，SSPRC方法本身提供了关于各个影响量对总不确定度贡献的详细信息，而这是蒙特卡洛方法无法直接提供的。

图1：开发的SSPRC方法的工作流程示意图。

References

[1] J. Degenhardt et al.
A practically oriented, efficient alternative to the Monte Carlo method for measurement uncertainty estimation.
Metrologia 62, 025004 (2025)
DOI: 10.1088/1681-7575/adb3ab

Author: J. Degenhardt, WG 5.23