연구진은 양자 강화 학습에서 양자 회로의 일반화 현상을 설명하는 PAC-Bayesian 모델을 제시했어요. 회로 파라미터 수보다 회로에 의해 유도되는 Fisher 기하학의 유효 차원이 일반화 성능을 결정하며, 얽힘이 이 유효 차원을 증가시키는 것으로 나타났어요. 실험 결과, 얽힘이 큰 회로는 동일한 파라미터 수를 가진 회로보다 일반화 성능이 떨어지는 경향을 보였으며, 이는 샘플 크기가 증가함에 따라 감소했어요.