연구진은 트로터-수즈키 시뮬레이션의 정확도를 높이기 위해 조건부 확산 모델, 물리 기반 신경망(PINN), 그래프 신경망(GNN)을 결합한 새로운 최적화 방법을 개발했습니다. 이 방법은 트로터-수즈키 분해 전략을 생성하고 평가하는 루프를 통해 그룹화, 제품 공식 순서, 시간 간격 할당을 최적화합니다. 횡단장 이징 모델(TFIM)에서 이 방법은 기존 Qiskit 기준 성능의 85.6%를 달성하면서 회로 깊이와 CNOT 횟수를 크게 줄였습니다.