본 논문은 다결정 시스템에서 미세구조 진화, 특히 결정립 성장을 효율적으로 모델링하기 위해 푸리에 신경 연산자(FNO)를 활용한 새로운 방법을 제시합니다. 기존의 상장 이론 모델링은 계산 비용이 많이 드는 반면, 기계 학습 기반 접근 방식은 해상도 의존성과 다양한 결정립 크기에 대한 일반화 문제를 가지고 있습니다. 본 연구에서는 FNO의 함수 공간 간 매핑 학습 능력을 이용하여 해상도에 무관한 미세구조 진화 모델링을 구현했습니다. Fan Chen 모델을 사용하여 생성된 광범위한 데이터셋을 기반으로, FNO 기반 신경망은 현재 및 과거 상태를 바탕으로 미래 미세구조를 정확하게 예측하는 데 성공했습니다. 이는 훈련 과정에서 보지 못한 구성 및 더 높은 해상도 그리드에서도 높은 정확도를 유지합니다.
