Deep Learning ist ein Teilgebiet des maschinellen Lernens, das tiefe neuronale Netze mit vielen Schichten nutzt, um komplexe, nichtlineare Zusammenhänge aus großen Datensätzen zu extrahieren. In der Werkstoffwissenschaft dient es zur Mikrostruktur‑Bildanalyse, Eigenschaftsvorhersage, inversen Werkstoff‑ und Prozessauslegung sowie zur Beschleunigung von Simulationen. Architekturen wie CNNs, RNNs oder Autoencoder unterstützen datengetriebene Entdeckung und Optimierung neuer Werkstoffe.