본 연구에서는 고주파수와 이질적 매체의 헬름홀츠 방정식을 해결하기 위해 심층 학습 기반 다격자 솔버를 제안한다. 비특성 오차 성분은 다격자 V-cycle의 표준 스무더를 사용하여 제거하고, 특성 오차 성분은 저해상도에서 대류-확산-반응 방정식을 해결하여 다루는 전략을 사용한다. 제안된 솔버는 오프라인 학습을 통해 최적화된 매개변수를 가지며, 수치 실험 결과 기존 다격자 전처리기와 심층 학습 기반 다격자 전처리기보다 우수한 성능을 보인다.
본 논문은 Tucker 텐서 및 텐서 트레인 다양체에서 비선형 텐서 미분 방정식을 효율적으로 시간 적분하기 위한 새로운 알고리즘을 제시한다. 이 알고리즘은 교차 알고리즘을 활용하여 메모리와 부동 소수점 연산 측면에서 최적에 가까운 계산 효율성을 제공한다. 또한 작은 특이값에 대해 강건하며 고차 시간 적분 기법을 지원한다.