組合せ最適化問題の中には制約を持つ組合せ最適化問題が多く存在します。そのような制約付き最適化問題の解法として大関法と呼ばれる手法が知られています。大関法は、量子アニーリングやマルコフ連鎖モンテカルロ法のようなボルツマン分布からのサンプラーと勾配法を組み合わせた手法であり、サンプリングと勾配法によるボルツマン分布の更新を反復的に繰り返すアルゴリズムです。大関法によって得られる解の精度は、分布の更新の際に用いられるステップサイズと呼ばれるパラメータに大きく依存する一方、反復ごとのステップサイズの適切な調整は困難です。その問題に対処するために、本論文では深層展開と呼ばれる深層学習技術を大関法に適用しています。

電力ネットワーク全体で電力を効率的に使用するためには電力の余剰の最適化が重要な要素です。本論文では、量子アニーリングを用いて電力余剰を最適に活用できるようなネットワークを探索する方法を示しました。そして、ドイツの送電ネットワークでの電力余剰を最適化するという問題に対して、量子と古典のハイブリッドソルバーと古典ソルバーのそれぞれで結果を出して、古典ソルバーに対して量子と古典のハイブリッドソルバーがコスト関数の値がより低い解を出すことを示しました。