Ein Autoencoder ist ein künstliches neuronales Netz, das Eingabedaten über einen Engpass in einen niedrigdimensionalen latenten Raum kodiert und anschließend rekonstruiert. In der Materialwissenschaft dient er zur nichtlinearen Dimensionsreduktion, Rauschunterdrückung und Merkmalsextraktion aus hochdimensionalen Daten wie Spektren, Mikrografien oder Prozesssignalen und unterstützt so inverse Modellierung und Struktur-Eigenschafts-Korrelationen.