연구진은 전통적인 수치 해석 방법으로는 다중 척도 문제를 정확하게 해결하기 어렵다는 점에 주목했어요. 특히 재료 과학, 유체 역학, 기후 시스템 등에서 미세 척도 특징을 정확히 반영하려면 매우 미세한 이산화가 필요해요.
LOD 방법은 이러한 문제를 해결하는 데 효과적이지만, 계산 비용이 높다는 단점이 있어요. 연구진은 LOD 방법의 장점을 활용하면서도 계산 효율성을 높이기 위해 LOD-MSNO를 제안했어요.
LOD-MSNO는 LOD 방법과 데이터 기반 연산자 학습을 결합한 하이브리드 방식으로, 기존 신경 연산자 기반 모델보다 정확도가 높으면서도 계산 효율성은 유지해요.