本研究提出了一种无梯度的蒙特卡洛树搜索技术，用于自动化变分量子算法中的量子电路设计。该技术在随机量子电路测试中表现优异，显著减少了评估次数，并将CNOT门数量减少至三分之一，从而提高了设计效率和适用性。

本文分析了三种自适应VQAs，并与传统VQA进行比较，发现自适应VQAs在解决QUBO问题方面表现良好。超参数选择对算法性能有重要影响。该研究为近期量子设备设计的自适应VQAs设定了基准，并为未来研究提供了见解。

本研究提出了一种基于变分量子算法的新方法，利用随机量子电路生成变分波函数，并通过人工神经网络对电路的分布函数进行参数化优化。该方法在表达能力和采样成本方面存在权衡关系，可以近似任意量子态。研究还建立了表达能力、时间成本和门数量之间的关系，显示了随机电路方法在量子计算中的潜在前景。