WaveGSSM：用于传播型时空模式的图波状态空间模型

基于摘要分析。该研究针对时空图预测中的传播模式建模：常见方法先用 GNN 编码各时刻快照，再通过时间模块连接表示，未显式描述模式如何沿图移动。WaveGSSM 引入二阶图状态空间模型，在每个节点维护当前模式及其时间变化率两个耦合潜在状态，将空间传播与时间演化纳入同一递推过程。 核心机制是通过图交互更新运动状态，再用该状态推进模式状态。作者报告，传播过程中即使当前场相同，近期变化率不同也可能导致不同未来，为显式表示运动提供了经验依据。相较“先空间、后时间”的设计，其主要创新是将变化率纳入预测状态，而非仅连接快照表示；具体转移方程、图构造、损失、训练与推理设置尚未验证。 作者报告，在四个时序图基准上，WaveGSSM 均取得最佳平均表现；在全球天气预测中，相对骨干匹配的快照模型，1—5 天预报的位势 RMSE 平均降低 20.2%，并更好地保留大尺度大气模式。摘要未提供基准名称、数据划分、完整对照、逐预测时长结果与统计不确定性，实验协议、消融及统计信息尚未验证，因此不能进一步判断收益来源或跨任务稳定性。 平台推测（待验证）：若 EEG 任务存在可辨识的跨通道传播模式，该机制可能缓解逐时刻空间编码难以区分相同当前活动、不同演化方向的问题。这一假设依赖有意义的通道图、足够的时间分辨率和可学习的预测监督。可尝试复用双状态递推，但需改造图构造及观测映射；EEG 的低信噪比、容积传导、跨被试与通道差异可能使变化率状态放大噪声，小数据也可能不足以辨识传播动力学。可在固定被试内划分下开展短时 EEG 预测，对比骨干匹配的快照模型，并消融变化率状态，检验预测误差及噪声敏感性。原领域结果不等于 BCI 有效性，已有 EEG 相关工作尚未检索确认。