近年、深層生成モデルの発展により、高次元確率分布のモデリング能力が向上し、複雑な相互作用系に対するデータ駆動型アプローチが広がっている。しかし既存手法では、階層構造やスケール間の相互作用を統合的に扱うことが依然として難しい。本研究では、階層粒子モデルを基盤に、潜在拡散モデルを用いた確率的生成モデリングの可能性を検討する。とくに階層的な粒子関係を通じて、微視的変動と巨視的挙動の両立を図る枠組みの構築を目指す。現在はニューラルネットワークの発展の歴史と課題を整理し、本手法の理論的位置づけを明確化している。今後は階層構造と拡散過程を統合した基礎検証を進める予定である。