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。

敵対的生成ネットワーク(GAN:Generative Adversarial Network)は、画像を生成する深層学習であり、パラメータが多くなるほど、計算コストが一層高くなるという問題があります。そこで、本論文ではGANの生成器を量子回路とニューラルネットワークのハイブリットで構成し、その結果、手書き画像の生成において、計算コストを削減することに成功しました。