연구진이 셀 복소체 기반 연산자 학습 프레임워크인 Topological Neural Operators (TNO)를 발표했어요. TNO는 기존 neural operator를 확장하여 다양한 차원의 셀에 정의된 데이터의 상호작용을 모델링하고, 물리량의 기하학적 지지를 고려하며 보존 및 호환성을 드러냅니다.
TNO의 핵심은 정보 흐름을 제어하는 고정된 연산자와 정보 변환을 학습하는 부분을 분리하여 모델을 설계하는 것이에요. 이를 통해 불규칙한 기하학적 흐름 문제 등 다양한 PDE 벤치마크에서 정확도를 향상시킬 수 있습니다.
연구진은 장거리 및 위상 의존적 정보를 전달하기 위해 학습된 계층적 복소체를 통합한 Hierarchical TNO (HTNO)도 제안했으며, 프로젝트 페이지는 GitHub에서 확인할 수 있어요.