في السنوات الأخيرة، أصبحت مُفكّكات الشجرة (tree decoders) أكثر شيوعًا من مُفكّكات السلاسل LaTeX في مجال التعرف على التعبيرات الرياضية المكتوبة بخط اليد (HMER)، نظرًا لقدرتها على التقاط البنية الشجرية الهرمية للتعبيرات الرياضية. ومع ذلك، فإن مُفكّكات الشجرة السابقة كانت تحوّل علامات البنية الشجرية إلى تسلسل ثابت ومرتب، مما لم يُمكّنها من الاستفادة الكاملة من التنوّع في تمثيل علامات الشجرة. في هذه الدراسة، نقترح مُفكّك شجرة جديد (TDv2) يُوظّف الاستخدام الكامل لعلامات البنية الشجرية. مقارنةً بالمدلّات السابقة، لا يتطلب هذا النموذج الجديد ترتيبًا ثابتًا لفرع معين من عقدة ما أثناء التدريب أو الاستنتاج، مما يُحسّن بشكل فعّال قدرة النموذج على التعميم. ويُستغل الدخل والخرج في النموذج بالكامل من خلال البنية الشجرية، مما يُلغِي الحاجة إلى البحث عن العقدة الأصلية أثناء عملية التفكيك، وبالتالي يُبسط عملية التفكيك ويُضيف معلومات مسبقة تُسهم في تحسين تنبؤ العقدة. وقد تأكّد فعالية كل جزء من النموذج من خلال تجارب تحليل مُبادلة شاملة وتحليل توزيع الانتباه. وتحقيقًا للنتائج الرائدة في مجال التكنولوجيا، تُظهر طريقة النموذج أداءً متميزًا على مجموعات البيانات الرسمية CROHME 14/16/19.