Markov-Chain-Monte-Carlo ist eine stochastische Simulationstechnik zur Probennahme aus komplexen Wahrscheinlichkeitsverteilungen über Markov-Ketten. In der Werkstoffwissenschaft dient sie zur Bayes’schen Parameteridentifikation, zum Sampling von Konfigurationsräumen in Atommodellen, zur Phasenfeld- oder Mikrostrukturkalibrierung sowie zur Unsicherheitsquantifizierung. Algorithmen wie Metropolis-Hastings oder Gibbs-Sampling werden eingesetzt.