この記事では、ハイブリッド量子ニューラルネットワーク（HQNN）を設計することを目的とした新しいフレームワーク「FAQNAS」を紹介しています。HQNNは、パラメータ化された量子回路と古典的なニューラル層を組み合わせており、ノイズの多い中間規模量子（NISQ）時代において有望なモデルです。従来の手法とは異なり、FAQNASは計算コストを最小化しつつ高い性能を達成できるアーキテクチャの発見を可能にするため、浮動小数点演算（FLOPs）を最適化の目的に明示的に組み込んでいます。実験結果では、量子FLOPsが精度向上に大きな影響を与え、古典的なFLOPsはほぼ固定されていることが示されています。この結果は、NISQ時代のHQNN設計においてFLOPsを考慮することが実用的な基準となることを示しています。