분자 간 상호작용을 정확하게 계산하는 데 사용되는 ab initio 양자 화학적 방법은 계산 비용이 많이 든다는 단점이 있습니다. 본 연구에서는, 사전 훈련된 원자 쌍별 신경망에서 추출한 특징을 기반으로 앙상블 $\Delta$-ML 모델을 사용하여 다양한 이론 수준에서 오차를 예측하는 프레임워크를 제안합니다. 이 프레임워크는 계산 효율적인 방법을 식별하고 다양한 이론 간의 비교를 가능하게 합니다. BioFragment 데이터셋을 사용하여 제안된 방법의 효과를 입증했으며, 결과는 0.1 kcal/mol 미만의 매우 작은 평균 절대 오차를 나타냅니다. 또한, $\Delta$-ML 모델이 이론적 가설에 부합하는 방법 그룹을 식별할 수 있음을 보여줍니다.
