본 논문은 알고리즘을 연산 토큰의 시퀀스로 개념화하여 알고리즘 발견을 자동화하는 프레임워크를 제시한다. 강화 학습으로 안내되는 앙상블 몬테 카를로 트리 탐색(MCTS)을 사용하여 토큰 체이닝을 탐색하고 새로운 토큰을 생성한다. 이 방법론은 강한 NP-hard 조합 최적화 문제와 Grover 알고리즘 및 양자 근사 최적화 알고리즘과 같은 기본적인 양자 컴퓨팅 접근 방식에 대해 기존 방법보다 훨씬 우수한 성능을 보이는 새로운 알고리즘을 재발견하고, 개선하고, 생성한다. 코드 생성 수준이 아닌 계산 수준에서 작동하므로 문제 클래스가 아닌 특정 문제 인스턴스에 맞게 조정된 알고리즘을 생성한다.
