Neural surrogates for crystal growth dynamics with variable supersaturation: explicit vs. implicit conditioning
Questo articolo confronta due architetture di reti neurali ricorrenti convoluzionali per la simulazione della crescita cristallina in condizioni di sovrasaturazione variabile, dimostrando che condizionare esplicitamente la rete al parametro di sovrasaturazione produce previsioni ad alta fedeltà superiori rispetto all'inferenza implicita tramite mini-sequenze di input, mentre entrambi i modelli mostrano una forte scalabilità verso domini più ampi e sequenze temporali più lunghe.