本研究提出了一种参数化方法，用于控制Transformer模型的频谱，避免过度平滑输入，提高表达能力。该方法在更多层次、更少数据点和受损数据的训练情况下仍然有效。

本文介绍了一种新型神经网络——神经算子，能够在无限维函数空间中进行映射，逼近任何连续非线性算子。研究提出了四类高效的参数化方法，并在偏微分方程的解算子的代理映射中应用了神经算子，结果表明神经算子具有更好的性能优势且速度更快。