본 연구에서는 강상관 물질의 이해에 중요한 역할을 하는 n-입자 감소 밀도 행렬(n-RDM)의 계산을 가속화하고 예측하기 위해 신경망(NN) 아키텍처를 사용하는 방법을 제안합니다. 특히, 브릴루앙 영역(BZ)에서 n-RDM이 매끄러운 함수라는 점에 착안하여, 작은 크기의 n-RDM으로 훈련된 NN이 큰 크기의 n-RDM을 예측할 수 있도록 설계했습니다. 이를 위해 (i) 무작위 RDM을 물리적 RDM으로 매핑하는 자기 주의 NN과, (ii) 운동량 공간 좌표를 RDM 값으로 직접 매핑하는 사인 표현 네트워크(SIREN)를 개발했습니다. 초전도체의 Richardson 모델, 단거리 반발력이 있는 4-밴드 모델의 병진 불변 1-RDM, 반충전된 허바드 모델의 병진 깨짐 1-RDM 등 2D 모델에서 NN을 테스트한 결과, 작은 크기의 격자에서 훈련된 SIREN이 큰 크기의 RDM을 예측하는 데 높은 정확도를 보였으며, Hartree-Fock(HF) 계산의 수렴 속도를 향상시켰습니다.
