최근 몇 년 동안 여러 분야에서 머신러닝을 활용한 다양한 연구들이 활발히 진행되어지고 있다. 머신러닝은 대규모의 다양한 데이터를 빠르고 효율적으로 분석할 수 있는 강력한 기술이 되었다. 많은 계산량이 필요한 거대한 시스템의 원자 시뮬레이션에 대해서도 머신러닝을 이용한 효과적인 방법에 대해 많은 연구들이 많이 진행되고 있다. 그 중 Behler 와 Parrinello 는 원자의 주변환경을 효과적으로 기술하기 위하여 대칭함수를 이용한 고차원 인공신경망을 제안하였으며, 이를 벤치마킹하여 여러 물질 연구에 사용되고 있다. 하지만, 대칭함수는 근거리 상호작용만을 고려하여 원자의 주변환경을 기술하기 때문에, 결함 등의 이유로 스크리닝이 완벽하지 않은 이온 결합 물질의 경우, 장거리 상호작용을 적용하여 고려해줄 필요가 있다. 본 논문에서는 입방구조 NaCl 의 이상적인 시스템과 Na 결함이 있는 시스템에 대해서 Behler 와 Parrinello 의 고차원 인공신경망을 적용했으며, 장거리 상호 작용의 효과가 큰 결함이 있는 시스템에서 보다 정확한 에너지를 계산하기 위해 Ewald summation 을 이용한 역격자 공간의 물리 정보를 활용한 머신러닝 방법을 개발하고 그 효과를 확인한다.