本文中，除了新提出的基于VAMP Score的粗粒化映射评价方法，作者还将基于映射熵（mapping entropy）、振动能力（vibrational power）以及自编码器（auto-encoder）重构全原子结构的误差（reconstruction error）的三种评价方法一同进行了比较研究。作者选取了3个复杂程度依次递增的对象系统。最简单的为一4质点简谐链（如图1），特别是当其两端的弹簧拥有较高强度而中间的弹簧较弱时（图1下），从物理直觉得出的粗粒化映射应当是以某种方式将1，2和3，4两组质点分别粗粒化为1个质点。然而，并非所有的评价方法都给出了符合物理直觉的结果。

第二个系统为一仅保留ɑ碳原子的40残基长的蛋白质分子（如图2）。为进行解析计算，作者为该分子构建了一个高斯网络模型（Gaussian network model）。对该系统，作者穷举了在不同分辨率下所有可能的一类映射，即每个等效原子均仅为某一个原子的映射，并用不同的评价方法选取了最佳映射。由于该系统的原子数量较多，基于重构误差的方法无法参与穷举比较。通过用各个最佳映射对应的粗粒化坐标进行时间滞后独立成分分析（Time-lagged Independent Component Analysis (TICA)），我们可以比较不同映射对长时间尺度动力学特征的保留程度。如图3C所示，基于VAMP Score选出的最佳映射在这方面有着最好的表现。

第三个系统最为贴近真实，为一仅保留ɑ碳原子的13残基长的肽链（如图3）。但对于该系统，作者使用了分子动力学中普遍使用的包含化学键以及非键相互作用的力场，并对该系统进行了长时间尺度的模拟。也因此，对于该系统，必须通过数值近似的方法计算各评价方法的评分。由于映射熵目前尚无可靠的数值近似方法，故不在此系统中参与比较。作者对其余方法在特定分辨率上，采取与上一个系统相同的方式进行了比较。基于VAMP Score选出的最佳映射再一次在对长时间尺度动力学特征的保留程度上有着最好的表现（图3下）。