본 연구는 양자 자연어 처리(QNLP)를 이용하여 목표 특성을 지닌 금속-유기 골격체(MOFs)를 역설계할 가능성을 탐구합니다. 3가지 토폴로지, 10가지 금속 노드, 15가지 유기 리간드로 구성된 450개의 가상 MOF 구조를 분석하여 기공 부피와 $CO_{2}$ 헨리 상수 값에 따라 4가지 클래스로 분류합니다. 다양한 QNLP 모델(Bag-of-words, DisCoCat, 시퀀스 기반 모델)을 비교하여 MOF 데이터셋을 처리하는 데 가장 효과적인 방법을 확인합니다. IBM Qiskit에서 제공하는 고전적 시뮬레이터를 사용하여 Bag-of-words 모델이 최적 모델임을 확인하였으며, 기공 부피와 $CO_{2}$ 헨리 상수에 대한 이진 분류 작업에서 각각 88.6%와 78.0%의 검증 정확도를 달성했습니다. 또한, 양자 회로의 확률적 특성에 맞춘 다중 클래스 분류 모델을 개발하여 기공 부피와 $CO_{2}$ 헨리 상수 데이터셋에 대해 각각 평균 92%와 80%의 테스트 정확도를 달성했습니다. 마지막으로, 목표 특성을 가진 MOF 생성 성능은 기공 부피에 대해 93.5%, $CO_{2}$ 헨리 상수에 대해 87%의 정확도를 보였습니다. 본 연구는 MOF 검색 공간의 일부만을 다루지만, 양자 컴퓨팅을 재료 설계에 활용하는 유망한 첫걸음이며, MOF의 복잡한 구조를 탐구하는 새로운 관점을 제공합니다.