본 논문은 시간에 따라 변하는 편미분 방정식(PDEs)을 효율적으로 푸는 새로운 신경망 모델인 CALM-PDE를 제안합니다. 기존의 Transformer 기반 방법들은 불규칙적인 공간 영역에서의 계산에 효과적이지만 메모리 소모가 크다는 단점이 있습니다. 반면, Convolutional Neural Network(CNN) 기반 방법들은 메모리 효율적이지만 규칙적인 공간 영역에만 적용 가능합니다. CALM-PDE는 연속적이고 ε-근방 제약을 가진 커널을 사용하는 새로운 CNN 기반 인코더-디코더 구조를 제시하여 임의로 이산화된 PDE를 압축된 잠재 공간에서 효율적으로 풉니다. 다양한 규칙적, 불규칙적 공간 영역을 가진 PDE에 대한 실험 결과, CALM-PDE는 기존 방법들과 비교하여 경쟁력 있는 성능을 보이며, 특히 Transformer 기반 방법에 비해 메모리 사용량과 추론 시간 측면에서 상당한 개선을 보여줍니다.
