Naukowcy opracowali rozszerzenie techniki binowanych spektralnych strat energii dla modeli zastępczych systemów dynamicznych działających na niestrukturalnych siatach obliczeniowych. Standardowe podejście używa mód Fouriera, ale na nieregularnych siatach nie istnieje kanoniczna baza Fouriera, dlatego zespół zaproponował wykorzystanie operatorów grafowych indukowanych przez topologię i geometrię siatki.
Kluczową innowacją jest zastąpienie pasm Fouriera pasmami częstości Laplacianu grafowego. Aby uniknąć kosztownych dekompozycji spektralnych, badacze wprowadzili skalowalne przybliżenia za pomocą rzadkich wielomianowych filtrów grafowych Czebyszewa. To pozwala na efektywne komputacyjnie uczenie modeli bez jawnego liczenia wartości własnych operatorów spektralnych.
Metoda nabiera szczególnego znaczenia w kontekście modelowania chaotycznych systemów dynamicznych, gdzie tradycyjne podejścia punktowe tracą dokładność. Nowy algorytm GLEAM - Graph Laplacian Energy Alignment for Meshes - stosuje nadzór uwzględniający skalę na różnych poziomach hierarchicznych sieci grafowej. To utrzymuje wierność predykcji podczas długotrwałych symulacji, co jest krytyczne dla zastosowań w fizyce obliczeniowej, aerodynamice i symulacjach klimatycznych, gdzie chaos naturalne destabilizuje tradycyjne modele.