近年の深層学習の進展により、従来のアルゴリズムタスクをエンドツーエンドで学習したモデルを用いて解決する新たな可能性が生まれました。本研究では、特に条件が悪い線形システムを解くという基本的なタスクに焦点を当てています。従来の数値手法は、正確性と安定性を保証するために高度なパラメータ調整や事前処理が必要です。これに対し、提案する「代数変換器」は、Transformerベースのアーキテクチャを用いて条件が悪い場合でも線形システムをエンドツーエンドで解決できるモデルです。新しいエンコーディングスキームによって、行列やベクトルの入力を効率的に表現し、計算の複雑さを低減します。実際の応用問題において競争力のある精度を実現し、従来の計算手法よりも低い計算コストで線形問題を解決できることを示しています。