Este artículo presenta un estudio sobre el aprendizaje del comportamiento de sistemas dinámicos lineales en una red mediante un modelo de red neuronal de grafos, considerando las características de propagación de la información (difusión, localización débil y localización fuerte) en sistemas complejos. Desarrollamos un marco de trabajo de red neuronal basada en la atención y la convolución de grafos para identificar el comportamiento en estado estacionario de sistemas dinámicos lineales y demostramos que el modelo entrenado discrimina entre diferentes estados con alta precisión. Evaluamos el rendimiento del modelo utilizando datos reales y proporcionamos derivaciones analíticas de la propagación hacia adelante y hacia atrás del marco de trabajo para mejorar su explicabilidad.
