본 논문은 대규모 일반화 고유값 문제(GEP)를 효율적으로 해결하기 위한 새로운 하이브리드 프레임워크인 DeepContour를 제안한다. DeepContour는 딥러닝 기반 스펙트럼 예측기와 커널 밀도 추정을 통합하여 적절한 적분 윤곽선 설계를 위한 방법을 제시한다. 특히, 푸리에 신경 연산자(FNO)를 사용하여 GEP의 스펙트럼 분포를 예측하고, 예측된 스펙트럼에 커널 밀도 추정(KDE)을 적용하여 적절한 적분 윤곽선을 자동으로 결정한다. 이러한 최적화된 윤곽선은 CI(Contour Integral) 솔버를 안내하여 원하는 고유값을 효율적으로 찾도록 한다. 다양한 과학적 문제에 대한 실험을 통해 DeepContour의 효과를 입증했으며, 최대 5.63배의 속도 향상을 달성했다.
