本研究提出了一种新训练框架，通过引入稀疏惩罚机制，解决了传统最优传输方法在稀疏性与可行性之间的权衡问题。该方法在生物信息学中的应用效果优于现有技术。

本文提出了一种Granger因果关系Kolmogorov-Arnold网络（GCKAN），填补了因果推断的研究空白。GCKAN通过提取基础权重，结合稀疏惩罚和岭回归，自动选择时间滞后，从而推断时间序列中的Granger因果关系。实验结果显示，该模型在非线性、高维和样本有限的时间序列中表现优异。