Wybór najlepszego modelu neuronowego operatora podczas wdrażania w praktyce stanowi wyzwanie, gdy nie ma dostępu do dokładnych rozwiązań referencyjnych. Badacze pokazali, że rankowanie biblioteki modeli zależy wyłącznie od małowymiarowego zakresu różnic kandydatów, co pozwala na ocenę wszystkich modeli równocześnie za pomocą pojedynczego zakotwiczonego liniowego wariantu odpowiedzi governing equation. To wspólne podejście oparte na diagnostyce fizycznej odrestaurowało ponad 99,6 procent preferencji parami i 99,0 procent optymalnych checkpointów w różnych bibliotekach operatorów Fouriera i splotowych dla dynamiki płynów, systemów reakcji-dyfuzji i fal.
Klucz do tego podejścia leży w wykorzystaniu lokalnej dynamicznej odpowiedzi systemu zamiast surowej wielkości defektu. Ta perspektywa pozwala na znacznie bardziej efektywną i niezawodną ewaluację modeli. Badacze dodatkowo ustalili warunki wystarczające, które mogą rygorystycznie certyfikować dokładne decyzje dla silnie monotonicznych dyskretyzacji.
Praktyczne znaczenie jest duże - skorygowany fizyczny proxy model często osiągał lepsze wyniki niż najlepsze indywidualne kandydaty. Framework umożliwia wdrażanie naukowych surrogate modelów bez wymagania danych gruntownych, co ma ogromne znaczenie dla szybkiego i taniej prototypowania rozwiązań opartych na neuronowych operatorach w obliczeniach naukowych.