固有値問題は多くの科学分野において重要な課題であり、最近の機械学習の発展に伴い、神経固有値法が注目を集めています。この方法は、従来のソルバーと比べ、推論の前方計算に必要な時間が大幅に短縮されますが、トレーニングには多くのラベル付きデータが必要です。本稿では、既存のアプローチが見落としているオペレーター間の類似性を利用する新しい手法、Sorting Chebyshev Subspace Filter（SCSF）を提案します。SCSFは、類似の固有値分布を持つオペレーターをグループ化し、以前に解決した問題から得られた固有対を利用して次の問題を解くのを助け、重複計算を削減します。実験結果では、SCSFがさまざまな数値ソルバーに対して最大3.5倍の速度向上を達成することが示されました。