本发明提供了材料微观结构总能量预测方法。其从材料微观结构样本数据中获得一维序列样本数据，并对一维序列样本数据进行短时傅里叶变换，得到对应的二维时频谱图；构建注意力卷积神经网络模型，和将所有二维时频谱图输入到所述注意力卷积神经网络模型，以此对网络模型进行训练；将待测试材料样本对应的一维序列样本数据转换为二维时频谱图，再将待测试材料样本的二维时频谱图输入到完成训练的注意力卷积神经网络模型中，从而得到待测试样本的微观结构总能量预测结果；上述方法采用机器学习以及基于原子坐标构建体系总能量，对原子体系的大规模和长时间的分子动力学模拟，对材料的微观结构进行大空间和时间尺度的模拟，提高能量预测的精确性。