Konvolutionale neuronale Netze sind spezielle tiefe neuronale Netze, die mit Faltungs- und Pooling-Operationen räumliche oder bildartige Daten effizient verarbeiten. In der Werkstoffwissenschaft dienen sie zur Mikrostruktur- und Phasenerkennung, Defektdetektion in zerstörungsfreien Prüfverfahren, Vorhersage von Struktureigenschaften aus Bilddaten sowie zur Generierung synthetischer Mikrostrukturen. Ihre Filter lernen hierarchische Merkmale direkt aus den Daten.