Dandelion to sferyczna wersja architektury Flower, zoptymalizowana do rozwiązywania równań różniczkowych cząstkowych na powierzchni kuli ziemskiej. Zamiast używać tradycyjnych splotów kartezjańskich na siatce geograficznej szerokości-długości, sieć predykuje przemieszczenia w przestrzeni stycznej i transportuje cechy wzdłuż wielkich kół na sferze. Architektura eliminuje zniekształcenia, które pojawiają się przy naiwnym zastosowaniu standardowych sieci do danych sferycznych - problem szczególnie widoczny na wysokich szerokościach geograficznych.
Większość współczesnych architektur uczenia maszynowego została zaprojektowana dla przestrzeni euklidesowej. Gdy naukowcy próbują je zastosować do zjawisk atmosferycznych czy oceanicznych, pojawiają się poważne problemy: dwuwymiarowe transformaty Fouriera zakładają niepoprawnie podwójną okresowość, kodowania pozycyjne w transformerach zniekształcają odległości geodezyjne. Dandelion rozwiązuje te problemy przez pracę całkowicie w dziedzinie harmonik sferycznych bez tradycyjnych splotów.
Team opublikował również rozbudowany benchmark zawierający zbiory danych specjalnie zaprojektowane dla sferycznych architektur neuronowych. Obejmują one modyfikowany strumień Galeskiego, anomalną turbulenję, równanie Cahna-Hilliarda, sferyczne zaburzenia Riemanna, atmosferyczny transport modelu Helda-Suareza oraz dynamikę globalnego oceanu. Ten benchmark wypełnia znaczącą lukę w dostępnych zbiorach danych, które dotychczas były albo zbyt małe i uproszczone, albo niepraktycznie ogromne.