\textsc{DarkEmulator2}는 \textsc{Dark Quest II} (DQ2) 프로그램의 에뮬레이터 구성 요소로 개발되었으며, 9차원 $w_0 w_a νo \mathrm{CDM}$ 파라미터 공간(parameter space) 내 비선형 물질 파워 스펙트럼 (nonlinear matter power spectrum)에 대한 신경망 에뮬레이터 (neural network emulator)입니다. 이는 \textsc{Ginkaku} 코드로 생성된 시뮬레이션 데이터를 통해 학습되었으며, 해당 코드의 수치적 구현, 정확도 테스트 및 후처리 파이프라인 (post-processing pipeline)은 동반 논문에서 설명됩니다. 설계는 통합된 전략을 따릅니다. 즉, 우주론적 파라미터 벡터 (cosmological parameter vector) 외에도, 파라미터 공간 전반에 걸친 일반화 (generalization) 성능을 향상시킬 것으로 기대되는 물리적 근거를 가진 세 가지 유형의 보조량(auxiliary quantities) -- 선형 물질 파워 스펙트럼 (linear matter power spectrum), 시뮬레이션 해상도 (simulation resolution) 기술자, 그리고 초기 가우시안 랜덤 필드 (initial Gaussian random field)의 저차원 요약 -- 을 신경망의 입력값으로 보충합니다. 세 가지 시뮬레이션 해상도 단계에 걸쳐 단일 네트워크를 공동으로 학습시킴으로써, 에뮬레이터는 소수의 고해상도 시뮬레이션을 활용하는 동시에 저해상도 시뮬레이션으로부터 얻은 광범위한 커버리지를 유지할 수 있습니다. $N=3000^{3}$ 입자를 가진 $L_{\mathrm{box}}=1,\hiGpc$ 박스의 경우, 에뮬레이터는 입자 나이퀴스트 스케일 (Nyquist scale)인 $k_{\mathrm{Ny}}\simeq 10,\hMpci$까지 시뮬레이션된 물질 파워 스펙트럼을 1% 미만의 정확도로 재현합니다. 에뮬레이터는 보정된 파수 (wavenumber) 범위 내에서 정확도를 유지하지만, 가장 높은 $k$ 값에 대한 예측은 시뮬레이션 해상도와 샷 노이즈 (shot noise)에 따라 달라집니다. 우리는 독립적인 테스트 세트를 통해 에뮬레이터를 검증하며, 여러 공개 에뮬레이터 및 널리 사용되는 피팅 공식 (fitting formulas)과의 교차 비교를 통해 모델 간의 일관성 및 잔차 (residuals)에서의 파라미터 의존적 경향을 규명합니다.