연구진은 연속적인 데이터의 구조를 고려한 차원 축소 방법인 Neural Operator Function Embedding (NOFE) 프레임워크를 개발했습니다.
NOFE는 Graph Kernel Operator를 통해 함수-함수 매핑을 학습하여 입력 이산화와 상관없이 임의의 위치에서 평가할 수 있습니다.
ERA5 기후 재분석 데이터셋에서 PCA, t-SNE, UMAP 대비 로컬 구조 보존 성능이 월등히 높았으며, 지역 정규화 하에 Patch Stitching Error를 최대 20배까지 감소시켰습니다.