层上的振荡神经动力学

基于摘要分析。本文研究图神经网络中的有效长程传播问题：增加传播深度并不保证远距离节点能够有效影响彼此。作者提出 ONDA，以算子值信息波为基础，将波动式传播与层（sheaf）的局部几何表达能力结合，旨在改善图上的长距离通信。 核心机制是让取值于茎空间（stalk）的表示按照二阶动力学演化，并由学习得到的层传输算子控制传播。相较于标量波传播，矩阵值传输能够表达更丰富的局部关系；相较于扩散式层传播，ONDA 引入波动动力学。作者通过逐茎空间敏感性分析刻画长程影响，并报告交叉影响不会消失，但该结论的数学条件、适用图结构及其是否意味着实际可用的影响强度，尚需核对全文。 作者报告，在长程传播、严重图瓶颈、图迁移及异配图基准上，ONDA 相比标量波传播、扩散式层基线和所比较的先进模型均有改善。摘要未提供具体数据集、指标、分数、划分与计算成本；实验协议、消融及统计信息尚未验证，不能据此量化优势或判断不同评估设置的可比性。 平台推测（待验证）：若 EEG 通道或脑区关系可建模为图，且节点表示具有适合矩阵值传输的多维结构，该机制可能用于检验远距离空间信息传播这一瓶颈。可复用的是二阶传播与层传输框架，需改造的是 EEG 图构建、节点特征和时间信息处理；低信噪比可能使波传播放大伪迹，被试间连接差异、通道变化及小样本也可能使学习到的算子不稳定。一个可检验的小实验是，在固定 EEG 图、特征与跨被试划分下，对照 ONDA、标量波传播和扩散式层传播，同时考察任务指标与远距离节点扰动敏感性，检验非消失影响是否转化为有效预测信息。已有 EEG 相关工作尚未检索确认，原领域结果不构成 BCI 有效性证据。