市场每来一笔新变化，就把分钟、小时和日线信息全部重算一遍，像只改一页账，却重新核对整本账。HARN（Hierarchical Associative Resonance Network，分层关联共振网络）想省掉这部分重复劳动：它让每个时间尺度保留此前算好的状态，只在对应周期的新时间条（Bar，一段时间内开、高、低、收等成交数据的汇总）完整结束后，才更新那一层。
具体说，最快周期充当事件时钟。五分钟线收盘时，模型可以更新五分钟层；小时线尚未走完，小时层就沿用旧状态，避免把未完成数据提前算进去。各层再通过关联记忆——按内容联系读取既有状态——交换信息并汇总预测。作者在 AAPL、EURUSD、USDCHF 和 XAUUSD 上测试，称重建价格后的误差可与单周期 PatchTST、TimeXer 基线竞争。不过这些基线只使用最快周期，输入信息和训练方式并不对等；论文因此把重点放在异步更新框架，而非宣称普遍预测更准，也未给出节省多少算力的量化结果。