在本文中，作者提出一个用于学习Set2Graph函数的神经网络模型族，它既实用又具有最大表达能力（通用），也就是说，可以在紧凑集上逼近任意连续的Set2Graph函数。在不同的机器学习任务上测试作者的模型，包括在粒子物理学中的应用，发现它们对现有的基线有利。