본 논문은 양자 기계 학습(QML) 분야에서 텐서 네트워크, 특히 Matrix Product States (MPS)를 고전적인 기계 학습 설정에 적용한 연구를 제시합니다. 기존의 양자 시스템 시뮬레이션에 사용되던 MPS를 분류기이자 생성기로 활용하는 새로운 MPS 모델을 제안하며, 이를 통해 기존 지도 학습 MPS 모델의 훈련을 향상시키는 전략을 제시합니다. 이 전략은 생성적 적대 신경망(GAN)에서 영감을 얻어 이상치를 줄이고 더 현실적인 샘플을 생성하는 것을 목표로 합니다. 또한, 비정규화된 MPS로부터의 새로운 샘플링 방법과 대안적인 임베딩 함수에 대한 논의를 포함합니다.