Mosaic Flow是一种新颖的域分解方法，通过在小域上预训练网络，实现在大域上的偏微分方程求解。优化网络架构和数据并行训练，将学习拉普拉斯算子的训练时间缩短为几分钟。分布式域分解算法使得在32个GPU上能够解决大于训练域4096倍的拉普拉斯方程，展示了较强的扩展性和精度。Mosaic Flow的可重用性和分布式内存算法的性能改进，使其成为建模复杂物理现象和加速科学发现的有前景工具。