量子計算データセットから分子特性をモデル化するために、階層的に相互作用する粒子ニューラルネットワーク（Hierarchically Interacting Particle Neural Network: HIP-NN）を導入します。多体系展開に着想を得たHIP-NNは、エネルギーなどの特性を階層的な項の和として分解します。これらの項は、分子の表現に対して作用するニューラルネットワーク——多くの非線形変換の合成——によって生成されます。HIP-NNは131,000個の基底状態有機分子データセットで最先端の性能を達成し、平均絶対誤差0.26 kcal/molでエネルギーを予測します。最小限の調整しか必要とせず、分子動力学軌道データセットにおいても当モデルは競争力があります。正確なエネルギー予測を可能にするだけでなく、HIP-NNの階層構造はモデルの不確実性のある領域を特定するのに役立ちます。