양자 상태 준비 (Quantum state preparation)는 많은 양자 알고리즘의 핵심 구성 요소입니다. 이 단계를 효율적으로 수행하는 것은 양자 화학 응용 분야에서 실질적인 양자 우위 (quantum advantage)를 실현하는 데 필수적입니다. ADAPT-VQE와 같은 반복적 알고리즘은 얕은 바닥 상태 준비 회로 (ground-state preparation circuits)를 생성할 수 있지만, 재료 과학 및 제약 개발과 관련된 더 큰 분자들에 대해서는 계산 비용이 지나치게 높아집니다. 본 연구에서는 전자 구조 계산을 위한 바닥 상태 준비 회로를 합성하는 법을 학습하는 생성형 AI 프레임워크인 ADAPT-GQE를 소개합니다. 우리는 먼저 ADAPT-VQE를 사용하여 고품질의 참조 회로 (reference circuits)를 생성하며, 이는 회로 생성을 위한 모델 학습의 타겟으로 사용됩니다. 일단 학습되면, 모델은 회로를 효율적으로 제안하고 점수를 매길 수 있으며, 이를 통해 강화학습 (RL)이 ADAPT-VQE 학습 데이터의 정확도를 넘어서는 회로 생성 정확도를 이끌어낼 수 있습니다. 이 파이프라인은 상태 준비 정확도를 비슷하거나 더 향상시키면서도, ADAPT-VQE 대비 회로 생성 시간을 수십 배(order-of-magnitude) 단축합니다. 우리는 약물 안정성 프로토콜의 계산 모델링에서 대표적이고 도전적인 타겟 역할을 하는 잘 알려진 삼환계 항우울제인 이미프라민 (imipramine)에 대해 ADAPT-GQE를 시연합니다. 우리는 생성된 회로를 Quantinuum Helios-1에서 실행하며, 이는 최첨단 양자 하드웨어에서 AI가 생성한 양자 화학 회로의 이정표를 나타냅니다. 이러한 결과는 유틸리티 규모의 양자 계산 화학을 위한 자동화된 양자 회로 합성으로 향하는 경로를 구축합니다.