본 연구는 결정립 성장 예측을 위해 순환 신경망(RNN), 장단기 기억(LSTM), 시간적 컨볼루션 네트워크(TCN), 트랜스포머 등 다양한 딥러닝 모델을 평가했습니다. 계산 비용이 많이 드는 전산 모사 대신, 고품질 모의 실험에서 추출한 평균장 통계적 지표를 활용했습니다. 120개의 결정립 성장 시퀀스 데이터를 정규화된 결정립 크기 분포로 처리하여, LSTM 네트워크가 가장 높은 정확도(90% 이상)와 안정적인 예측 성능을 보임을 확인했습니다. LSTM은 오랜 기간 예측에서도 물리적으로 일관된 결과를 유지하며, 계산 시간을 크게 단축했습니다.
