LSTM-Modelle vorhersagen Kornwachstum in Polycrystalline Materialien
Das Kornwachstum bestimmt maßgeblich das mechanische Verhalten von Werkstoffen und ist daher ein zentrales Ziel der Mikrostrukturtechnik. In einer neuen Studie wurden verschiedene Deep‑Learning‑Ansätze – darunter rekurrente neuronale Netze (RNN), Long Short‑Term Memory‑Netze (LSTM), temporale Faltungsnetze (TCN) und Transformer – auf ihre Fähigkeit getestet, Korngrößenverteilungen während des Wachstums vorherzusagen.
