本研究提出了MANTRA数据集，旨在解决复杂系统中高阶交互作用建模的数据匮乏问题。该数据集适用于高阶模型的基准评估，研究表明基于单纯复形的神经网络在捕捉简单拓扑不变量方面优于基于图的模型，但仍面临挑战，为拓扑深度学习提供了新思路。

本论文提出了一种利用简单复合物的数学理论处理复杂系统中高阶交互作用的新方法。通过嵌入高阶 Flower-Petals 模型和基于 FP Laplacians 的高阶图卷积网络 (HiGCN)，能够在不同拓扑尺度上识别内在特征，并量化高阶交互作用强度，实现了先进的表达能力。在各种图任务上，该方法达到了最先进的性能。