본 논문은 복잡한 영역에서 함수 공간 간의 복잡한 매핑을 포착하는 능력이 뛰어나 부분 미분 방정식(PDE) 해결에 점점 더 많이 사용되고 있는 신경 연산자의 데이터 집약적인 특성으로 인한 한계를 해결하기 위해, 임의의 기하학적 형태에서 PDE를 풀기 위한 국소-전역 프레임워크인 영역 분할을 이용한 연산자 학습을 제안한다. 이를 위해, 작은 하위 영역으로 문제 영역을 분할하고, 신경 연산자를 사용하여 국소 문제를 해결한 후, 국소 해를 연결하여 전역 해를 구성하는 반복적 기법인 Schwarz Neural Inference (SNI)를 제시한다. 또한, 수렴 속도와 오차 한계에 대한 이론적 분석을 제공하며, 다양한 경계 조건을 가진 여러 대표적인 PDE에 대한 광범위한 실험을 통해 기존 방법에 비해 뛰어난 기하학적 일반화 성능을 달성함을 보여준다.
