Investigation of Automated Design of Quantum Circuits for Imaginary Time Evolution Methods Using Deep Reinforcement Learning
이 논문은 이중 심층 Q-네트워크 (DDQN) 를 활용한 강화학습 기반 자동화 프레임워크를 통해 VITE 회로를 설계함으로써, 수동 설계 대비 게이트 수와 회로 깊이를 크게 줄이면서도 분자 수소 및 Max-Cut 문제에서 최적의 에너지를 달성하는 하드웨어 친화적 양자 알고리즘 설계의 새로운 가능성을 제시합니다.