كيفية تمثيل النفث (jet) تشكل جوهر التعلم الآلي في الفيزياء النفثية. مستوحاة من مفهوم السحب النقطية (point clouds)، نقترح نهجًا جديدًا يتعامل مع النفث كمجموعة غير مرتبة من جسيماته المكونة، أي ما يمكن وصفه بـ "سحب الجسيمات" (particle cloud). هذا التمثيل لسحب الجسيمات هو فعال في دمج المعلومات الأولية للنفث ويحترم صراحة التباديل بشكل واضح. بناءً على هذا التمثيل، نقترح ParticleNet، وهي هندسة عصبية مخصصة تستخدم الشبكات العصبية الرسومية التلافيفية الديناميكية (Dynamic Graph Convolutional Neural Network) لحل مشاكل تصنيف النفث (jet tagging). تحقق هندسة ParticleNet أداءً رائدًا في معيارين ممثلين لتصنيف النفث وتتفوق بشكل كبير على الطرق الحالية.