量子コンピュータは、特定の問題を古典コンピュータよりも高速に解けることから注目され、有用だとされる分野の一つにモンテカルロ法を多用する金融工学がある。先行研究では、GANの量子回路版である量子GANを用いて、浅い量子回路でモンテカルロ法の実行に必要な確率分布を再現できることが示された。しかしながら、先行研究において初期分布の違いによって収束速度や生成分布の精度が大きく異なることが示唆されている。特に正規分布を初期分布とすることの有効性が主張されていたが、正規分布を利用するには深い量子回路が必要となり、量子GANの利点を失う可能性がある。そこで、本研究では、量子GANの学習をより効率化する浅い量子回路の初期分布の作成方法を提案する。具体的には、"ラベルの張替え"という古典的な処理によって、一様分布と同様の浅い量子回路で様々な確率分布生成できる方法を提案する。提案手法を用いて、金融工学において重要な確率分布である対数正規分布を既存手法よりも効率的かつ高精度に生成できることを実証した。
