Las redes de atención de grafos son fundamentales para modelar datos no euclídeos, sin embargo, enfrentan desafíos duales: oscilaciones de entrenamiento inducidas por restricciones de alta dimensionalidad basadas en proyecciones y anomalías de gradiente debido a una adaptación deficiente a la estructura heterofílica. Para abordar estos problemas, proponemos LDC-GAT (Red de Atención de Grafos Estable de Lyapunov con Filtrado Dinámico y Optimización Consciente de Restricciones), que optimiza conjuntamente los procesos de propagación hacia adelante y hacia atrás.