저자들은 QADAPT를 제안했다. 이는 협력형 다중 에이전트 강화 학습 프레임워크로, 온라인 학습된 분해된 표현을 사용하여 행동 공간을 분리함으로써 정전기적으로 정의된 양자 점 배열에서의 파라미터 크로스토크 문제를 해결한다.
- 국소 측정과 보상에 기반한 모듈 공유 정책을 통해 에이전트 간 간섭을 최소화한다.
- 보이지 않는 양자 장치 크기에도 제로샷 일반화를 달성한다.
- 규모에 관계없이 목표 영역에 도달하기 위한 수렴 단계 수를 거의 일정하게 유지한다.
이 연구는 대규모 양자 프로세서의 신속한 보정을 위한 확장 가능한 경로를 제공한다.