نمذجة البيانات ذات البنية المجموعية، مثل السحاب النقطي، تتطلب استدلالًا حول الهياكل المحلية والعالمية على مقاييس متعددة. ومع ذلك، فإن تبني الإطارات متعددة المقاييس المُستخدمة في البيانات التسلسلية العادية للبيانات ذات البنية المجموعية ليس أمرًا سهلًا، نظرًا لضرورة التماثل بالنسبة للتباديل (الترتيب) بين عناصرها. في هذا البحث، نقترح SetVAE، وهو مُشفّر تلقائي متعدد المستويات للزمر. مستوحى من التقدم الأخير في ترميز الزمر، نبني SetVAE على وحدات مُركزة (مُتعمقة) التي تقوم أولاً بتقسيم المجموعة ثم تُعيد ترميز هذا التقسيم إلى العدد الأصلي للعناصر. وباستغلال هذه الوحدة، يتعلم مُشفّر VAE متعدد المستويات المتغيرات المخفية على مقاييس متعددة، مما يمكّنه من التقاط الاعتماديات من المستوى العام إلى الدقيق بين عناصر المجموعة مع تحقيق التماثل بالنسبة للتباديل. قمنا بتقييم نموذجنا على مهمة توليد السحاب النقطي، وحقق أداءً تنافسيًا مقارنة بالأساليب السابقة، مع قدرة نموذجية أصغر بشكل كبير. ونُظهر جودة النموذج بشكل تجريبي من خلال تعميمه على أحجام زمر غير مرئية، وتعلمه لعلاقات فرعية مثيرة دون الحاجة إلى تدريب مُراقب. يمكن الوصول إلى التنفيذ العملي للنموذج عبر الرابط التالي: https://github.com/jw9730/setvae.