在量子基底上实现通用人工智能（AGI）的前景，促使该研究团队开发能够直接比较其在经典与量子环境中运作的数学框架。为此，研究人员引入了一种哈密顿形式体系，将经典和量子AGI任务描述为对比其与环境交互作用的手段。该工作提出将AGI动力学分解为核心功能的哈密顿生成元，包括归纳、推理、递归、学习、测量和记忆。这一形式化方法旨在为量化“量子智能体与经典智能体如何通过环境交互产生差异”贡献精确的数学语言。
