本文探讨了机器学习在材料建模中应用的原子间势函数，强调量子力学数据对势函数质量的重要性。研究表明，利用合成数据进行神经网络预训练可以有效提升模型在量子数据集上的精度和稳定性。实验验证了该方法在分子属性预测中的优越表现，展现了良好的泛化能力和可转移性。