고차 구조 (Higher-order structures)는 강력한 관계 모델링 도구이지만, 기존의 스펙트럼 연산자 (spectral operators)는 위상 (topology)을 별개의 랭크 (ranks)로 분해하여, 실무자들이 임의의 선택을 통해 정보를 다시 정점 (vertices)으로 융합해야 하는 문제를 남깁니다. 우리는 계층적 라플라시안 (graded Laplacian)의 슈어 보충 (Schur complementation)을 통해 고차 자유도 (higher-order degrees of freedom)를 단일 정점 수준의 연산자로 응축하는 붕괴된 유효 연산자 (Collapsed Effective Operators)를 소개합니다. 이는 위상에 의해 매개되는 장거리 상호작용 (long-range interactions)을 인코딩하며 임의의 고차 구조물에 적용 가능한 (일반적으로 조밀한 (dense)) 연산자를 생성합니다. 우리는 이 연산자가 랭크-0 Hodge 라플라시안 (rank-0 Hodge Laplacian)과 상대적인 스펙트럼 상한 (spectral upper bound)을 가지며 양의 준정부호성 (positive semi-definiteness)을 보존하여, 고차 연결성 (higher-order connectivity) 하에서 시스템 에너지를 효과적으로 낮춘다는 것을 보여줍니다. 실증적으로, 우리의 연산자는 스펙트럼 클러스터링 (spectral clustering), 신호 평활화 (signal smoothing)를 개선하며, 위치 인코딩 (positional encoding)을 통해 신경망 구조에 위상적 특징 (topological features)을 포함할 수 있게 합니다. 프로젝트 페이지는 http://circle-group.github.io/research/CollapsedEffectiveOperators 에서 확인할 수 있습니다.