本文介绍了一种使用监督半非负矩阵分解和频率正则化的新方法来预测时空数据。该方法通过将时空数据分解为空间和时间分量，并引入非负性约束和频率域的正则化来提高时态模式的清晰度。通过在频率域中选择特征，提供了更易解释的频率域解释。该方法在地球物理数据分析中具有广泛应用潜力，并与GRACE数据的先前研究结果相比，提供了更清晰的可解释性。

该论文介绍了 QUBO 模型在优化领域中的基本特征和重要性，涉及 Ising 问题、量子退火、神经形态计算等专业术语，详细阐述了其在不同应用中的潜力和灵活性。