본 논문은 희소 사건(금융 폭락, 기후 극단 현상, 생물학적 이상 현상 등) 모델링을 위해 딥 잠재 변수 모델과 변동 양자 회로를 통합한 하이브리드 고전-양자 프레임워크인 Quantum-Enhanced Generative Model (QEGM)을 제안합니다. QEGM은 재구성 충실도와 꼬리 인식 가능성을 공동으로 최적화하는 하이브리드 손실 함수와, 샘플 다양성을 높이고 모드 붕괴를 완화하기 위한 양자 무작위성 기반 잡음 주입을 도입합니다. QEGM은 합성 가우시안 혼합물과 금융, 기후, 단백질 구조와 관련된 실제 데이터 세트에 대해 평가되었으며, 기존 방식(GAN, VAE, Diffusion)에 비해 꼬리 KL 발산을 최대 50%까지 줄이고 희소 사건 재현율과 커버리지 보정을 향상시켰습니다.
