量子機械学習の研究において，画像生成タスクへの応用手法として量子生成敵対的ネットワーク(QGAN)が提案されている．しかし，量子回路のパラメータ最適化は古典手法に比べて不安定になりやすく，学習率や学習回数といったハイパーパラメータの設定に関する知見は十分に確立されていない．本研究では，8×8ピクセルの手書き数字画像生成を対象に，量子回路シミュレータを用いて，学習率と学習回数が、生成画像の品質（Fidelity）およびモデルの収束特性に対して与える影響について分析し，モデルの性能評価を行う．加えて，回路構造の修正による性能が向上についても検討する．