본 논문은 디지털 광 신경망(DONNs)의 메타표면 구조 결정을 위한 훈련 과정의 어려움을 해결하기 위해 공간적으로 분리된 점진적 훈련 프레임워크인 SP2RINT를 제안한다. SP2RINT는 메타표면 응답을 자유롭게 훈련 가능한 전달 행렬로 이완시킨 후, 전달 행렬 훈련과 adjoint 기반 역설계를 번갈아 수행하여 물리적 제약 조건을 점진적으로 적용한다. 이는 매 반복마다 편미분 방정식(PDE)을 풀 필요가 없도록 하면서 최종적으로 물리적으로 구현 가능한 설계를 보장한다. 또한, 공간적으로 분리된 역설계 전략을 도입하여 메타표면을 독립적으로 풀 수 있는 패치로 분할함으로써 확장 가능하고 병렬적인 역설계를 가능하게 한다. 다양한 DONN 훈련 작업에서 평가한 결과, SP2RINT는 디지털과 비슷한 정확도를 달성하면서 기존 시뮬레이션 기반 방법보다 1825배 빠른 속도를 보였다.
