物体の運動を推定するためのハミルトニアン・ニューラルネットワークは，エネルギー保存量のような物理学的な保存量を持つことから，データから物理法則を学習し，良好な推定結果を得られることが期待されている．しかし従来研究では，ハイパーパラメータやグラフ構造と計算結果の近似精度に関する分析が不足しており，高精度が必要な場合にどのように実現可能なのかが分かっていない．そこで本研究では，推定結果として得られる物体の位置座標や速度などのパラメータに対し，近似精度を向上させるためのアプローチについて議論する．