Neuronale Netzwerkpotenziale nutzen Methoden des maschinellen Lernens, um potenzielle Energieoberflächen von Materialien präzise zu modellieren. Diese Ansätze ergänzen klassische Simulationstechniken, indem sie atomare Wechselwirkungen und dynamische Prozesse in komplexen Systemen detailliert abbilden.