C3Net是一种新颖的生成神经架构，可以从多种模态中获取条件并合成多模态内容。它通过对齐条件到统一的潜空间，使用Control C3-UNet生成多模态输出。C3Net在条件对齐阶段进行了单模态预训练，展现了高质量的复合条件生成能力。它在多模态生成方面优于或与最先进的方法相媲美。

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。