Desentrañar cómo la estructura del cerebro humano da lugar a la función es una pregunta central en neurociencia y sigue parcialmente respondida. Estudios recientes muestran que el Laplaciano de grafo de la conectividad estructural del cerebro humano (SC) juega un papel dominante en dar forma al patrón de conectividad funcional en estado de reposo (FC). El modelado de FC utilizando el Laplaciano de grafo de la SC del cerebro está limitado, debido a la escasez de la matriz Laplaciana. No puede modelar las correlaciones funcionales negativas. Extendimos el Laplaciano de grafo al hipergrafo -Laplaciano para describir mejor las relaciones no lineales y de alto orden entre SC y FC. Primero estimamos los posibles enlaces que mostraban correlaciones negativas entre las áreas cerebrales compartidas entre sujetos mediante análisis estadístico. Luego presentamos un modelo de hipergrafo -Laplaciano al incrustar las dos matrices que se refieren al signo de las correlaciones entre las áreas cerebrales basándose en el conectoma estructural del cerebro. Probamos el modelo en dos conjuntos de datos de conectoma experimental y evaluamos la FC predicha estimando su correlación de Pearson con las matrices de FC empíricas. Los resultados mostraron que el modelo de difusión propuesto basado en hipergrafo -Laplaciano puede predecir correlaciones funcionales con mayor precisión que los modelos que utilizan Laplaciano de grafo así como Laplaciano de hipergrafo.