연구진은 극소량의 데이터만으로 편미분방정식(PDE) 문제를 해결하는 Di-BiLPS 모델을 개발했어요. 이 모델은 복잡한 자연 현상과 물리 현상을 모델링하는 데 사용돼요.
Di-BiLPS는 variational autoencoder, latent diffusion module, contrastive learning을 결합하여 고해상도 추론 효율성을 높이고 정확도를 향상시켰어요.
실험 결과, Di-BiLPS는 3%에 불과한 극소량의 데이터에서도 SOTA 성능을 달성하고, zero-shot super-resolution도 가능했어요.