Hodge Decomposition을 통한 위상 보존 신경 연산자 학습 (Topology-Preserving Neural Operator

요약

본 논문은 함수 공간 관점에서 물리 장 방정식의 해 연산자를 연구하며, Hodge 직교성을 활용하여 위상적 자유도와 기하학적 역학을 분리합니다. 이를 통해 스펙트럼 간섭 문제를 해결하고 구조 보존 부공간에 국한된 가법적 근사를 가능하게 합니다. 최종적으로 Hodge Spectral Duality (HSD)라는 대수적 귀납적 편향을 가진 Hybrid Eulerian-Lagrangian 아키텍처를 제안합니다.

핵심 포인트

• Hodge 직교성을 사용하여 위상적 자유도와 기하학적 역학을 분리하여 스펙트럼 간섭 문제를 해결함.
• Hodge 이론과 연산자 분할 기반으로 원칙적인 연산자 수준의 분해를 도출함.
• Hodge Spectral Duality (HSD)라는 대수적 귀납적 편향을 가진 Hybrid Eulerian-Lagrangian 아키텍처를 제안함.
• 이산 미분 형식과 직교 보조 주변 공간을 사용하여 위상 지배적 성분 및 국소 역학을 포착하여 높은 정확도와 효율성을 달성함.