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。

本文研究了基于深度学习的方法是否能够精确解决无噪声的反问题，并提供了证据。通过迭代的端到端网络方案和数据驱动的校准步骤，研究了计算机断层扫描问题，展示了该方案能够使 CT 重建达到数值精度，表现优越。

本文介绍了利用合成的原子级数据作为神经网络原子间势函数的预训练任务，可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。