Neural surrogates for crystal growth dynamics with variable supersaturation: explicit vs. implicit conditioning
本論文は、可変過飽和度下での結晶成長をシミュレートするための2つの畳み込み再帰型ニューラルネットワークアーキテクチャを比較し、過飽和度パラメータを明示的に条件としてネットワークに組み込むことが、入力ミニシーケンスを介した暗黙的推論に比べて高忠実度の予測をもたらすことを示すとともに、両モデルともより大規模な領域やより長い時間系列に対して強力なスケーラビリティを示すことを明らかにする。