研究者たちは、相関を持つ多変量データを学習できる連続変数光子生成モデルを提案した。このモデルは、光子回路内の二モード減衰（squeezing）で相関を作り、局所位相シフトでその強度と符号をチューニングする。次に可変干渉計でそれらの相関をモード間に再分配する。モデルの訓練は、実際のデータから得られるペアリー相関行列と、シミュレートされた状態の相関行列を古典的に一致させることで行い、訓練時にサンプル生成は必要ない。

訓練後、各モードに対して独立にベクトルを調整するアフィン変換を適用し、生成されたデータの平均と分散を目標に合わせる。相関構造は変更しない。

5 つの金融資産に対するテストでは、5 モード回路が10 個のペア相関を残差 4.1×10⁻⁵ 以下で再現し、平均二乗誤差は 3.7×10⁻¹⁰ に達した。20 の資産を扱った際には、正しい符号が 93.8 % ± 0.9 % の 190 ペアで一致し、残差が 0.10 未満のペアは 86 % だった。