Probabilistisches generatives Modell auf Basis tiefer neuronaler Netze, das Eingabedaten auf einen kontinuierlichen, niedrigdimensionalen latenten Raum abbildet. In der Werkstoffwissenschaft werden Variational AutoEncoder zur inversen Werkstoffentwicklung, Gefügesynthese, Komprimierung von Mikrostrukturdaten und zur Exploration komplexer Eigenschaftslandschaften eingesetzt, unter Einhaltung physikalischer Nebenbedingungen und Unsicherheitsquantifizierung.