연구진은 해안 파동 모델링용 경량 신경 연산자 DU-NO(Double U-shaped Neural Operator)를 제안했다. 고주파 정보가 존재하는 얕은 인코더·디코더 단계에만 경량 합성곱 U-Net 브랜치를 붙이고 깊은 단계는 순수 스펙트럴 방식을 유지하는 구조로, 깊이에 따라 모드 수를 줄이는 스케줄을 적용해 파라미터를 364만 개로 제한했다(기존 최강 기준선 U-FNO보다 한 자릿수 적음). FUNWAVE-TVD 벤치마크에서 자기회귀 롤아웃 오차 기준 U-FNO보다 14.9% 개선되면서 파라미터는 10.8배 적었고, 동일 파라미터 예산으로 맞춰도 28.6% 앞섰다. 2D Navier-Stokes와 PDEBench 얕은 물 시뮬레이션에서도 우수한 성능을 보여, 실시간 해안 재해 경보 등 비용에 민감한 물리 시뮬레이션 응용에 실용적 대안이 될 수 있음을 시사한다.

• •고주파 정보가 있는 얕은 인코더·디코더 단계에만 경량 U-Net 브랜치를 두는 DU-NO 구조 제안
• •깊이별 모드 감소 스케줄로 파라미터를 364만 개로 제한, 기존 최강 기준선 U-FNO 대비 한 자릿수 절감
• •FUNWAVE-TVD 벤치마크에서 자기회귀 롤아웃 오차 14.9% 개선, 파라미터는 10.8배 적음
• •동일 파라미터 예산으로 맞춘 대조군 대비에서도 28.6% 우위, 개선이 구조적 요인임을 확인
• •2D Navier-Stokes와 PDEBench 얕은 물 시뮬레이션에도 일반화되는 성능 확인