🔬 mesoscale physics
Neural surrogates for crystal growth dynamics with variable supersaturation: explicit vs. implicit conditioning
Este trabajo compara dos arquitecturas de redes neuronales recurrentes convolucionales para simular el crecimiento cristalino bajo sobresaturación variable, demostrando que condicionar explícitamente la red al parámetro de sobresaturación produce predicciones de alta fidelidad superiores en comparación con la inferencia implícita mediante mini-secuencias de entrada, mientras que ambos modelos muestran una fuerte escalabilidad hacia dominios más grandes y secuencias temporales más largas.