Physikinformierte Neuronale Netze integrieren physikalische Gesetze, z.B. Erhaltungsgleichungen oder konstitutive Beziehungen, direkt in den Verlustfunktionalraum künstlicher neuronaler Netze. In den Materialwissenschaften dienen sie zur Lösung partieller Differentialgleichungen für Diffusion, Mechanik oder Mikrostrukturevolution und zur Modellreduktion. Sie verbessern Generalisierbarkeit, Datenökonomie und physikalische Konsistenz datengetriebener Materialmodelle.