通过生成性深度学习模型，实现了低保真度模拟信息向高保真度对应物的映射，无需多次高保真度模拟分析。通过二维扩散模型展示了熔化过程的关键度量，并在低保真度输入数据的基础上预测了熔池深度，降低了分析时间。

通过生成性深度学习模型实现低保真度模拟信息向高保真度对应物的映射，无需多次高保真度模拟分析。通过二维扩散模型展示熔化过程的关键度量，并在低保真度输入数据的基础上预测熔池深度，降低分析时间。

通过概率扩散框架的生成性深度学习模型，实现了低保真度模拟信息向高保真度对应物的映射，无需多次高保真度模拟分析。通过二维扩散模型，展示了熔化过程的关键度量在真实模拟数据和扩散模型输出之间的保持，并在低保真度输入数据的基础上预测了熔池深度，分析时间降低了两个数量级。