في عالم الذكاء الاصطناعي، تُعد المعادلات التفاضلية الجزئية (PDEs) أساسية لفهم الأنظمة المعقدة، إلا أن مشغلات الشبكات العصبية تواجه تحديات في تقاطعاتها غير المحلية. وهنا يأتي دور المشغل الجديد Spectral Filtering Operator (SFO)، الذي يقدم حلاً مبتكرًا للمعضلة.

يتميز SFO بقدرته على تهيئة النوى التكاملية باستخدام القاعدة الطيفية العالمية (Universal Spectral Basis - USB)، وهي قاعدة أورثو نورم ثابتة تم اشتقاقها من القيم الذاتية لمصفوفة هيلبرت في نظرية الترشيح الطيفي.

مدعومين بالتطبيقات النظرية التي تظهر أن دوال جرين المنفصلة لتفريزات PDE القابلة للإزاحة تُظهر هيكل نظام ديناميكي خطي (Linear Dynamical System - LDS)، أثبتنا أن هذه النوى تقبل تقريبات مضغوطة في الـ USB.

ميزة سFO تكمن في تعلم فقط معاملات الطيف الخاصة بالقيم الذاتية سريعة الاضمحلال، مما يوفر تمثيلاً عالي الكفاءة. في ستة اختبارات مرجعية، بما في ذلك تفاعلات الانتشار، وديناميكا السوائل، والكهرومغناطيسية ثلاثية الأبعاد، حقق SFO دقة غير مسبوقة، حيث خفض الأخطاء بنسبة تصل إلى 40% مقارنة بنماذج قوية أخرى مع استخدام عدد قليل من المعلمات.