自2004年开源以来，LAMMPS广泛应用于材料建模，支持多种材料和粒子相互作用模型，代码易于修改，并支持CPU和GPU加速。到2022年，代码行数已达100万。HyperAI提供LAMMPS入门教程，用户可在线学习相关操作。

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。

通过利用物理信息和Rao-Blackwellization概念改善人工神经网络预测，应用于材料建模，示例证明了策略的有效性。使用不变量、参数最小化和尺度分析等足够的物理信息可以显著提高预测结果。同时，还探讨了通过训练数据集、网络结构和输出过滤器改善人工神经网络的机会。