论文提出了ESTAG，一种等变时空注意力图网络，将动力学模拟视为时空预测任务。通过等变离散傅里叶变换提取周期模式，构建空间和时间模块，实现信息传递和聚合。模型在分子、蛋白质和宏观数据集上表现优异，证明了其相对于传统方法的有效性。

该论文介绍了一种名为ESTAG的新动力学模拟方法，利用过去时期的轨迹预测物理系统的动态。ESTAG通过等变离散傅里叶变换和等变空间模块提取周期模式和传递空间信息，再通过等变时间模块聚合时间信息。实验证明ESTAG在不同级别的数据集上比传统方法更有效。