不确定性

科学计算代码充满测量，而测量永远不可能完全精确。Sounio 将不确定性视为 一等数据，而不是只写在注释或表格里的信息。

今天可用的部分（编译器现状）

编译器对 Knowledge<T> 强制 “不允许静默 unwrap” 规则（见 Knowledge<T>）。这给了你一个可靠的边界: 认识论信息只能在明确的地方被有意丢弃。

除此之外，完整的自动不确定性传播取决于你使用多少认识论 stdlib，以及启用了哪些编译器特性/后端。

在规范中 / 预期语义

预期模型遵循标准计量学实践（独立输入的 GUM 风格传播）:

• 对于 c = a ± b:
  • u(c) = sqrt(u(a)^2 + u(b)^2)
• 对于 c = a * b 或 c = a / b（相对形式）:
  • u_rel(c) = sqrt(u_rel(a)^2 + u_rel(b)^2), 其中 u_rel(x) = u(x) / x

在语言层面，目标是对 Knowledge<T> 的操作能够:

• 计算新的点估计
• 传播不确定性 -（必要时）更新置信度
• 追加溯源信息

实用建议

• 尽可能保持值为 Knowledge<T>。
• 当必须跨越到“普通数据”时，使用 unwrap(reason) 并记录原因。
• 对于 PK/PD、神经影像等领域代码，优先使用已经显式建模不确定性与溯源的 stdlib 模块。

下一步

• 溯源（Provenance）
• Knowledge<T>