在这项工作中,我们提出了AutoQML,该框架将量子机学习(QML)算法无缝集成到自动化机器学习(AUTOML)中。利用汽车范式的优势,该框架是有意设计的,以高度的抽象设计,从而消除了用户在机器学习(ML)(ML)和量子计算(QC)方面具有丰富经验的需求。该工具可以自动构建典型的ML管道的整个过程,包括数据清洁和预处理以及模型选择,优化和评估。此外,它自动化了QC特定方面的主张,例如在实际量子硬件上选择量子后端和执行管理。AutoQML利用Ray作为其基础自动化优化框架,并采用内部DESEDERPEREP QML库Squlearn提供QML算法。这两个组合都提供了低级功能,并且可以用作独立解决方案。最后,我们深入研究将框架纳入量子计算平台plankqk所需的集成步骤。