Key points are not available for this paper at this time.
تعمل طريقة الاستبدال الجزيئي بشكل جيد مع النماذج الجيدة والوحدات الخلوية البسيطة، لكنها كثيرًا ما تفشل مع المشاكل الأكثر صعوبة. تشير الخبرة مع الاحتمالات في مجالات أخرى من البلورات إلى أنها ستحسن الأداء بشكل كبير. بالنسبة للاستبدال الجزيئي، تعتمد صيغة وظيفة الاحتمال المطلوبة على ما إذا كان هناك غموض في الطور النسبي للإسهامات من الجزيئات المرتبطة بالتناظر (على سبيل المثال، بحث الدوران مقابل بحث الترجمة). إن وظائف الاحتمال المستخدمة في تحسين البنية مناسبة فقط لعمليات الترجمة (أو الأبعاد الستة)، حيث ستضع الترجمة الصحيحة جميع الذرات في النموذج بشكل قريب من الصحيح. إن وظيفة الاحتمال الجديدة التي تسمح بالطور النسبي غير المعروف مناسبة لعمليات بحث الدوران. وقد تم إظهار أن الارتباطات بين هوية التسلسل وخطأ الإحداثيات يمكن استخدامها لمعايرة المعلمات لجودة النموذج في وظائف الاحتمال. يمكن دمج نماذج متعددة لجزيء ما بطريقة صحيحة إحصائيًا عن طريق إعداد توزيع الاحتمالات المشتركة لعوامل الهيكل الحقيقي والنموذج كالتوزيع العادي المركب متعدد المتغيرات، والذي يمكن من خلاله اشتقاق التوزيع الشرطي لعامل الهيكل الحقيقي بالنظر إلى النماذج. تظهر الاختبارات في برنامج استبدال الجزيئات الجديد، Beast، أن الأهداف المعتمدة على الاحتمالات أكثر حساسية وأكثر دقة من الأهداف السابقة. لقد كان لوظيفة الاحتمال للنماذج المتعددة تأثير كبير على النجاح.
قام راندي ج. ريد بدراسة هذا السؤال.