本研究利用卷积长短时记忆网络和自编码器，显著降低了金属材料晶粒生长模拟的计算成本，实现了比传统方法快89倍的预测效率，推动了材料科学的创新。

本研究提出了一种基于傅里叶神经算子(FNO)的晶粒生长建模方法，解决了传统相场建模在大规模和高分辨率系统中的计算耗时问题。该方法具有分辨率不变性，能够有效预测长期演化，并适用于未见过的配置，展现出卓越的准确性。