本論文では、量子計算と量子オートエンコーダーの利点を活用した新しい量子マスクオートエンコーダー（QMAE）を提案しています。従来のオートエンコーダーは入力データの特徴学習に広く用いられていますが、マスクされたデータの存在下で特徴を学習するために拡張されたのがマスクオートエンコーダーです。提案するQMAEは、量子状態の中でデータサンプルの不足した特徴を効果的に学習でき、特にDNIST画像においてマスクされた画像の再構築精度を向上させることが示されています。実験評価では、QMAEが先進的な量子オートエンコーダーに対して平均12.86％の分類精度向上を達成し、視覚情報の復元においても優れた性能を発揮することが確認されました。