机器学习的原子间势函数在材料建模中很重要，但需要高质量的量子力学数据。本文提出用合成数据预训练神经网络势函数，在小数据集上微调，提高精度和稳定性。通过碳相关的图神经网络势函数验证了该方法的可行性，并进行了初步实验测试其局限性。

本文介绍了利用合成的原子级数据进行神经网络原子间势函数的预训练任务，以提高计算实践中的数值精度和稳定性。作者通过一系列与碳相关的等变图神经网络势函数进行可行性验证，并进行了初步实验来测试该方法的局限性。