Buchumschlag

Quantum reinforcement learning in continuous action space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Shaojun, Jin, Shan, Wen, Dingding, Han, Donghong, Wang, Xiaoting
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Quantum Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing the reachability of variational quantum algorithms via input-state design
von: Wu, Shaojun, et al.
Veröffentlicht: (2025)

Quantum continual learning of quantum data realizing knowledge backward transfer
von: Situ, Haozhen, et al.
Veröffentlicht: (2022)

Fixed-point quantum continuous search algorithm with optimal query complexity
von: Jin, Shan, et al.
Veröffentlicht: (2025)

Maximising Quantum-Computing Expressive Power through Randomised Circuits
von: Yang, Yingli, et al.
Veröffentlicht: (2023)

Automatic re-calibration of quantum devices by reinforcement learning
von: Crosta, T., et al.
Veröffentlicht: (2024)

PALQO: Physics-informed Model for Accelerating Large-scale Quantum Optimization
von: Huang, Yiming, et al.
Veröffentlicht: (2025)

Intrinsic preservation of plasticity in continual quantum learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

A Query-based Quantum Eigensolver
von: Jin, Shan, et al.
Veröffentlicht: (2020)

Discovering autonomous quantum error correction via deep reinforcement learning
von: Yin, Yue, et al.
Veröffentlicht: (2025)

Quantum-inspired probability metrics define a complete, universal space for statistical learning
von: McCarty, Logan S.
Veröffentlicht: (2025)

Towards Heisenberg limit without critical slowing down via quantum reinforcement learning
von: Xu, Hang, et al.
Veröffentlicht: (2025)

Deep reinforcement learning for near-deterministic preparation of cubic- and quartic-phase gates in photonic quantum computing
von: Anteneh, Amanuel, et al.
Veröffentlicht: (2025)

Discovering highly efficient low-weight quantum error-correcting codes with reinforcement learning
von: He, Austin Yubo, et al.
Veröffentlicht: (2025)

Predictive Performance of Deep Quantum Data Re-uploading Models
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Exploring the holographic entropy cone via reinforcement learning
von: He, Temple, et al.
Veröffentlicht: (2026)

On the Design of Expressive and Trainable Pulse-based Quantum Machine Learning Models
von: Tao, Han-Xiao, et al.
Veröffentlicht: (2025)

Curriculum reinforcement learning for quantum architecture search under hardware errors
von: Patel, Yash J., et al.
Veröffentlicht: (2024)

Enhancing variational quantum state diagonalization using reinforcement learning techniques
von: Kundu, Akash, et al.
Veröffentlicht: (2023)

A quantum-classical reinforcement learning model to play Atari games
von: Freinberger, Dominik, et al.
Veröffentlicht: (2024)

The Quantum Learning Menagerie (A survey on Quantum learning for Classical concepts)
von: Chatterjee, Sagnik
Veröffentlicht: (2026)

Quantum automated learning with provable and explainable trainability
von: Ye, Qi, et al.
Veröffentlicht: (2025)

Quantum parameter estimation with uncertainty quantification from continuous measurement data using neural network ensembles
von: Anteneh, Amanuel
Veröffentlicht: (2025)

Quantum-Classical Machine learning by Hybrid Tensor Networks
von: Liu, Ding, et al.
Veröffentlicht: (2020)

Quantum feature-map learning with reduced resource overhead
von: Jäger, Jonas, et al.
Veröffentlicht: (2025)

Quantum approximate optimization via learning-based adaptive optimization
von: Cheng, Lixue, et al.
Veröffentlicht: (2023)

Quantum advantage for learning shallow neural networks with natural data distributions
von: Lewis, Laura, et al.
Veröffentlicht: (2025)

Enhancing Quantum Diffusion Models for Complex Image Generation
von: Jo, Jeongbin, et al.
Veröffentlicht: (2026)

BenchRL-QAS: Benchmarking reinforcement learning algorithms for quantum architecture search
von: Ikhtiarudin, Azhar, et al.
Veröffentlicht: (2025)

Quantum Circuit Generation via test-time learning with large language models
von: Macarone-Palmieri, Adriano, et al.
Veröffentlicht: (2026)

Multiple Embeddings for Quantum Machine Learning
von: Han, Siyu, et al.
Veröffentlicht: (2025)

Quantum Compiling with Reinforcement Learning on a Superconducting Processor
von: Wang, Z. T., et al.
Veröffentlicht: (2024)

SuperEncoder: Towards Universal Neural Approximate Quantum State Preparation
von: Zhao, Yilun, et al.
Veröffentlicht: (2024)

Taming "data-hungry" reinforcement learning? Stability in continuous state-action spaces
von: Duan, Yaqi, et al.
Veröffentlicht: (2024)

Towards provably efficient quantum algorithms for large-scale machine-learning models
von: Liu, Junyu, et al.
Veröffentlicht: (2023)

Inference, interference and invariance: How the Quantum Fourier Transform can help to learn from data
von: Wakeham, David, et al.
Veröffentlicht: (2024)

What is my quantum computer good for? Quantum capability learning with physics-aware neural networks
von: Hothem, Daniel, et al.
Veröffentlicht: (2024)

VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning
von: Qi, Jun, et al.
Veröffentlicht: (2025)

$\mathcal{O}(n)$ alternative to Quantum Fourier Transform with efficient neural net classical post-processing
von: Bian, Kaiming, et al.
Veröffentlicht: (2026)

Quantum enhanced ensemble GANs for anomaly detection in continuous biomanufacturing
von: Kailasanathan, Rajiv, et al.
Veröffentlicht: (2025)

QFGN: A Quantum Approach to High-Fidelity Implicit Neural Representations
von: Jin, Hongni, et al.
Veröffentlicht: (2025)