본 논문은 기존의 실제 데이터가 부족하거나 개인 정보 보호가 중요한 상황에서 유용한 합성 표 형태 데이터를 생성하기 위한 새로운 양자 생성 모델을 제시합니다. 의료, 금융, 소프트웨어 등 다양한 산업에서 널리 사용되는 이질적인 범주형 및 수치형 특징의 혼합으로 구성된 표 형태 데이터의 특성을 고려하여, 유연한 데이터 인코딩과 새로운 양자 회로 Ansatz를 사용하는 양자 생성적 적대 신경망(GAN) 아키텍처를 제안합니다. MIMIC III 의료 데이터셋과 Adult Census 데이터셋을 사용하여 CTGAN 및 CopulaGAN과 같은 최첨단 고전적 모델과의 비교 실험을 통해 제안된 양자 모델이 SDMetrics의 전반적인 유사성 점수를 기준으로 평균 8.5% 향상된 성능을 보이며, 고전적 모델의 0.072%에 불과한 파라미터만 사용함을 보여줍니다. 또한, 사용자 정의 지표를 사용하여 모델의 일반화 능력을 평가하여 제안된 양자 모델이 유용하고 새로운 샘플을 생성할 수 있음을 보여줍니다. 본 연구는 표 형태 데이터 처리에 성공적으로 적용된 양자 생성 모델의 첫 번째 사례 중 하나로, 이러한 작업이 양자 컴퓨터에 적합할 수 있음을 시사합니다.
