Zespół badawczy opublikował pracę na arXiv opisującą HARN - Hierarchical Associative Resonance Network, nową architekturę do prognozowania szeregów czasowych w finansach. Kluczową innowacją jest podejście event-driven, w którym system utrzymuje niezmieniające się reprezentacje danych na wielu poziomach czasowych i aktualizuje je tylko gdy dostępna staje się nowa kompletna świeca cenowa, zamiast permanentnie przejawiać obliczenia.
Architektura łączy kauzalne kodowanie wieloskalowe, bramy pamięci asocjacyjnej, rezonans między poziomami oraz hierarchiczną agregację dowodów. Prognozowanie odbywa się w przestrzeni basis-pointów, a następnie rekonstruowane jest do oryginalnej skali cen. Badania obejmowały cztery aktywa z rynków akcji, walut i towarów, z wieloma ziarnami losowymi i analizą ablacyjną poszczególnych komponentów.
Wyniki pokazują, że HARN osiąga konkurencyjne błędy prognozowania w stosunku do jednouramowych baseline'ów takich jak PatchTST i TimeXer. Badacze podkreślają jednak, że HARN powinien być postrzegany jako trwały framework do prognozowania wieloramowego, a nie uniwersalnym dowodem wyższości predykcyjnej. Dodatkowa analiza kodu potwierdziła spójność między implementacją a zdefiniowanym event-driven'owym protokołem.