축산업의 지속적인 발전과 함께 사료의 에너지 함량을 정확하게 예측하는 것은 사료 조성의 최적화와 생산 효율성 향상에 필수적입니다. 본 연구에서는 자동화된 기계 학습 프레임워크인 AutoGluon을 통해 돼지 사료의 소화 가능 에너지와 대사 에너지를 예측하는 방법을 적용하였으며, 인공 신경망 및 서포트 벡터 머신과 성능을 비교하였습니다. 중국 사료 데이터베이스의 1341개 기록과 임신한 암퇘지에 대한 45개 기록을 사용하여 AutoGluon은 일반 테스트 데이터 세트에서 각각 0.940(소화 가능 에너지) 및 0.938(대사 에너지)의 R^2 값을 기록하며 우수한 정확성을 달성하였습니다. 임신한 암퇘지 테스트 세트에서는 대사 에너지 예측에 대해 가장 좋은 성능(R^2 = 0.939)을 보였고, 소화 가능 에너지의 경우 인공 신경망이 약간의 우위를 보였습니다(R^2 = 0.920). 실용적인 응용을 위해 돼지 에너지 예측기라 불리는 AutoGluon 기반의 예측기를 개발하여 신속하고 정확한 사료 에너지 산정을 가능하게 했습니다. 본 연구는 돼지 영양 분야에서의 실용적 응용 가능성을 보여주며, 일반 돼지 집단에 대한 맞춤형 모델을 제공하여 정밀 사료 조성 및 데이터 기반의 의사 결정을 지원합니다.