本論文は、大規模超伝導量子コンピューティングチップ設計の困難を解決するためにグラフニューラルネットワーク（GNN）を利用したパラメータ設計アルゴリズムを提案する。このアルゴリズムは「3段階スケーリング」メカニズムに基づいており、中規模回路に適用される監視学習ベースの評価器と大規模回路に適用される非指導学習ベースの設計者の2つのニューラルネットワークモデルで構成されています。量子クロストーク誤差緩和にアルゴリズムを適用して、約870キュービットの大規模超伝導量子回路で、従来の最高アルゴリズムと比較して51％の誤り率の低減と90分から27秒への時間短縮を達成することを示した。結論として、超伝導量子チップパラメータ設計のための性能と拡張性が向上したアルゴリズムを提示し、GNNの超伝導量子チップ設計の適用可能性を示す。
