Bài báo này đề xuất một phương pháp định lượng bất định mới dựa trên một mô hình xác định duy nhất để giải quyết chi phí tính toán và yêu cầu lưu trữ cao của mạng nơ-ron Bayesian và các phương pháp tập hợp sâu. Cụ thể, chúng tôi ước tính mật độ không gian đặc trưng của một tập huấn luyện bằng cách sử dụng trường tiềm năng thông tin thu được từ ước lượng mật độ hạt nhân. Sau đó, chúng tôi so sánh trường tiềm năng thông tin này với biểu diễn không gian đặc trưng của các mẫu thử nghiệm để phát hiện hiệu quả các dịch chuyển phân phối và thực hiện phát hiện ngoài phân phối (OOD). Kết quả thử nghiệm sử dụng các tập dữ liệu tổng hợp hai chiều (Hai Mặt Trăng, Ba Vòng Xoắn Ốc) và các tác vụ phát hiện OOD (CIFAR-10 so với SVHN) chứng minh rằng phương pháp được đề xuất vượt trội hơn các phương pháp hiện có.
