푸리에 신경 오퍼레이터(Fourier Neural Operators, FNO)는 편미분 방정식 솔루션 오퍼레이터를 학습하는 강력한 도구로 인정받고 있지만, 이러한 FNO는 아키텍처에 대한 최적화가 부족합니다. 특히, FNO의 푸리에 레이어는 FFT(고속 퓨리에 변환), 필터링, GEMM(General Matrix Multiply), 제로 패딩 및 iFFT(역 고속 퓨리에 변환)를 별도의 단계로 실행하며, 이로 인해 여러 커널 런칭과 과도한 글로벌 메모리 트래픽이 발생합니다. 최근 연구에서는 FFT – GEMM – iFFT 계산 패턴이 더 많은 주목을 받고 있습니다. UC 리버사이드의 연구자들은 TurboFNO를 소개하여 이러한 문제를 해결했습니다. TurboFNO는 FFT-GEMM-iFFT를 완전히 융합한 커널로, PyTorch보다 최대 150%의 속도 향상을 달성했습니다.