该研究提出了一种高阶交叉结构嵌入模型（High-TS），结合多尺度Transformer和拓扑深度学习，以提升时间序列分析的性能。实验结果表明，High-TS在多个任务中优于现有方法，突出了高阶交叉结构信息的重要性。

本研究推出了MANTRA数据集，解决复杂系统中高阶交互建模的数据匮乏问题。研究表明，单纯复形神经网络在捕捉拓扑不变量方面优于图模型，但仍有挑战，为拓扑深度学习提供新思路。