Die Transformer-Architektur nutzt in den Material- und Werkstoffwissenschaften neuartige, selbstaufmerksame neuronale Netze, um komplexe Zusammenhänge in Materialdaten zu erkennen. Mit dieser Methode lassen sich physikalische und chemische Eigenschaften von Werkstoffen präzise vorhersagen und simulieren, was innovative Verfahren in der Werkstoffentwicklung unterstützt.