Tato bakalářská práce zkoumá potenciál algoritmu Proximal Policy Optimization (PPO) pro návrh kvantového protokolu. Konkrétněji, předložená práce poukazuje na možnosti PPO při odvozování kvantových obvodů pro protokol entanglementu, implementaci Pauliho hradel pomocí superhustého kódování a univerzální množiny hradel a protokolu Deutsch oraclu. Deutsch oracle je vynikajícím příkladem protokolu, kde matice hustoty procesu nemůže být použita jako odměna v procesu učení. Proto jsme zvolili protokol Deutsch oracllu jako ideální příklad pro demonstraci toho, že algoritmus posilovacího učení může navrhovat protokoly navzdory tomu, že nezná matici hustoty procesu.This bachelor's thesis investigates the potential of the Proximal Policy Optimization (PPO) algorithm for designing quantum information protocol. More specifically, the presented work highlights the capabilities of the PPO to derive quantum circuits for entanglement protocol, the implementation of Pauli gates using superdense coding and universal gate set, and the Deutsch oracle protocol. The Deutsch Oracle is an excellent example of a protocol where the process density matrix cannot be used as a reward in the learning process. We, therefore, choose the Deutsch Oracle protocol as an ideal example for demonstrating that a reinforcement learning algorithm can design protocols despite lacking knowledge of process density matrix.