비안정성 (Nonstabilizerness), 일반적으로 마법 (magic) 이라고 불리는 것은 양자 우위를 뒷받침하는 근본적인 자원입니다. 본 논문에서는 회로 설계의 일반적인 프레임워크 내에서 양자 자원을 제어할 수 있도록 하는 마법 정보 기반 양자 아키텍처 탐색 (QAS) 기법을 제안합니다. 알파고 접근법에 영감을 받아, 우리는 그래프 신경망 (GNN) 을 장착한 몬테 카를로 트리 검색 (Monte Carlo Tree Search) 기법을 사용하여 후보 양자 회로의 마법 (magic) 을 추정하는 방식으로 문제를 해결합니다. GNN 모델은 마법 기반 편향을 유도하여, 목표 목적에 따라 탐색을 고 마법 또는 저 마법 영역으로 안내합니다. 제안된 마법 정보 기반 QAS 기법은 구조화된 바닥 상태 에너지 문제와 더 일반적인 양자 상태 근사 문제에 대해 다양한 크기와 목표 마법 수준을 포함하여 벤치마크를 수행했습니다. 실험 결과는 제안된 기법이 탐색 트리 전체에 걸쳐뿐만 아니라 결과적인 최종 회로도에서 특히 마법을 효과적으로 영향을 미친다는 것을 보여주며, GNN 이 분포 밖 (out-of-distribution) 인스턴스에 작동하는 영역에서도 마찬가지입니다. 문제 무관 (problem-agnostic) 마법 편향을 도입할 수 있다는 원칙적 제약은 존재할 수 있지만, 우리는 테스트된 모든 문제에 걸쳐 일관성 있는 해결책 품질 향상을 관찰했습니다.