본 연구에서는 근사 양자 상태 준비(QSP)를 위한 양자 아키텍처 탐색 프레임워크를 제안합니다. QSP는 양자 비트 수에 따라 탐색 공간이 지수적으로 증가하여 최적 회로를 식별하기 어렵다는 과제를 안고 있습니다. 이를 해결하기 위해 근접 정책 최적화 기반 에이전트를 활용한 딥 강화 학습을 사용합니다. 에이전트는 목표 상태의 최적 근사를 식별하는 동시에 사용된 게이트 수를 최소화하는 것을 목표로 합니다.
2~5개의 양자 비트를 대상으로 다양한 실험을 수행했으며, 벨, GHZ, W, 디케 상태와 같은 미리 정의된 상태와 완전히 임의의 상태를 모두 고려했습니다. 제안된 프레임워크는 $10^{-14}$의 근사 오차를 달성했습니다.