Generative Modelle in der Materialwissenschaft sind probabilistische oder neuronale Modelle (z.B. VAEs, GANs, Diffusionsmodelle), die die Verteilung komplexer Materialdaten erlernen. Sie ermöglichen das inverse Design neuartiger Werkstoffe, die Vorhersage stabiler Phasen, die Generierung realistischer Mikrostrukturen sowie die Beschleunigung von DFT- und MD-Studien. Durch Einbettung von Physik- und Symmetriebedingungen wird die Einhaltung thermodynamischer, mechanischer und elektronischer Randbedingungen sichergestellt.