MetaColloc은 새로운 PDE를 풀 때마다 신경망을 훈련하는 과정을 없앤 최적화 없는 프레임워크입니다. 가우시안 랜덤 필드에 대한 메타 훈련을 통해 다양한 신경망 기반 함수 사전(dictionary)을 만듭니다.
테스트 시 네트워크를 고정하고 콜로케이션 행렬을 조립하여 PDE를 해결하며, 단일 선형 최소 제곱 단계로 해를 찾습니다.
실험 결과, MetaColloc은 정확도 측면에서 최고 수준을 달성하고 테스트 시간 계산을 크게 줄이며, 높은 주파수에서 함수 근사 및 연산자 안정성 간의 불일치를 발견했습니다.