Badacze wykazali, że główna analiza komponentów (PCA) uwzględniająca metryki jest liniowym przypadkiem geometric deep learning. Praca łączy klasyczne techniki redukcji wymiarowości z nowoczesnym podejściem do sieci neuronowych działających na danych strukturyzowanych geometrycznie. To połączenie teoretyczne może lepiej wyjaśnić działanie algorytmów adaptacyjnych i zaproponować nowe perspektywy dla projektowania bardziej efektywnych modeli naukowych.