本研究では、強く相関した状態におけるn粒子縮約密度行列（n-RDM）の計算を効率化するために、ニューラルネットワーク（NN）を利用する方法を提案しています。n-RDMは物質の相関した相を理解する上で重要ですが、計算が非常に非効率的になることがあります。本論文では、特に大規模なシステムにおいて、NNを用いた計算の加速と予測の可能性について述べています。作者らは、物理的なRDMをランダムなRDMからマップする自己注意型NNや、運動量空間座標をRDM値に直接マップする正弦波表現ネットワーク（SIREN）を開発しました。これらのNNを使用して、さまざまな2次元モデルでテストを行った結果、特定の条件下で高い精度を達成し、収束に要する反復回数を大幅に削減できることが示されました。これは強相関相に関する今後の研究に新たな道を開く可能性があります。