축산업이 지속적으로 발전함에 따라 사료의 에너지 함량을 정확하게 예측하는 것은 사료 배합의 최적화와 생산성 향상을 위해 매우 중요합니다. 본 연구에서는 자동화된 머신러닝 프레임워크인 AutoGluon을 적용하여 돼지 사료의 가소화에너지(Digestible Energy)와 대사에너지(Metabolizable Energy)를 예측하고, 그 성능을 인공신경망(ANN)과 서포트 벡터 머신(SVM)과 비교하였습니다. 중국 사료 데이터베이스의 1,341개 기록과 임신돈을 대상으로 한 45개 데이터를 활용한 결과, AutoGluon은 일반 테스트 데이터셋에서 가소화에너지(R² = 0.940)와 대사에너지(R² = 0.938) 모두에서 가장 우수한 정확도를 보였습니다. 임신돈 테스트셋에서는 대사에너지 예측에서 AutoGluon이 가장 뛰어난 성과를 보였으며(R² = 0.939), 가소화에너지 예측에서는 인공신경망이 근소하게 우위를 보였습니다(R² = 0.920). 실제 적용을 위해 AutoGluon 기반 예측 도구인 'pig energy predictor'를 개발하여 사료 에너지 값을 신속하고 정밀하게 산출할 수 있게 하였습니다. 본 연구는 'pig energy predictor'가 돼지 영양 관리에서의 실질적인 활용 가능성을 입증하였으며, 일반 돼지 집단에 특화한 모델을 제공함으로써 정밀 사료 설계 및 데이터 기반 의사결정을 지원할 수 있음을 보여줍니다.