Buchumschlag

Modern applications of machine learning in quantum sciences

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dawid, Anna, Arnold, Julian, Requena, Borja, Gresch, Alexander, Płodzień, Marcin, Donatella, Kaelan, Nicoli, Kim A., Stornati, Paolo, Koch, Rouven, Büttner, Miriam, Okuła, Robert, Muñoz-Gil, Gorka, Vargas-Hernández, Rodrigo A., Cervera-Lierta, Alba, Carrasquilla, Juan, Dunjko, Vedran, Gabrié, Marylou, Huembeli, Patrick, van Nieuwenburg, Evert, Vicentini, Filippo, Wang, Lei, Wetzel, Sebastian J., Carleo, Giuseppe, Greplová, Eliška, Krems, Roman, Marquardt, Florian, Tomza, Michał, Lewenstein, Maciej, Dauphin, Alexandre
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Quantum Physics Disordered Systems and Neural Networks Mesoscale and Nanoscale Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Detecting underdetermination in parameterized quantum circuits
von: Kempkes, Marie, et al.
Veröffentlicht: (2025)

Characterizing out-of-distribution generalization of neural networks: application to the disordered Su-Schrieffer-Heeger model
von: Cybiński, Kacper, et al.
Veröffentlicht: (2024)

Quantum Algorithms for Inverse Participation Ratio Estimation in multi-qubit and multi-qudit systems
von: Liu, Yingjian, et al.
Veröffentlicht: (2024)

Evidence of Quantum Machine Learning Advantage with Tens of Noisy Qubits
von: Danaci, Onur, et al.
Veröffentlicht: (2026)

Balanced Training of Energy-Based Models with Adaptive Flow Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2023)

A theoretical perspective on mode collapse in variational inference
von: Soletskyi, Roman, et al.
Veröffentlicht: (2024)

Improving the evaluation of samplers on multi-modal targets
von: Grenioux, Louis, et al.
Veröffentlicht: (2025)

Annealing in variational inference mitigates mode collapse: A theoretical study on Gaussian mixtures
von: Fogliani, Luigi, et al.
Veröffentlicht: (2026)

Coarse Grained Molecular Dynamics with Normalizing Flows
von: Tamagnone, Samuel, et al.
Veröffentlicht: (2024)

Double descent in quantum kernel methods
von: Kempkes, Marie, et al.
Veröffentlicht: (2025)

Deep learning of spatial densities in inhomogeneous correlated quantum systems
von: Blania, Alex, et al.
Veröffentlicht: (2022)

Exponential separations between classical and quantum learners
von: Gyurik, Casper, et al.
Veröffentlicht: (2023)

Explainable Representation Learning of Small Quantum States
von: Frohnert, Felix, et al.
Veröffentlicht: (2023)

Sampling metastable systems using collective variables and Jarzynski-Crooks paths
von: Schönle, Christoph, et al.
Veröffentlicht: (2024)

On Sampling with Approximate Transport Maps
von: Grenioux, Louis, et al.
Veröffentlicht: (2023)

Hardware-inspired Continuous Variables Quantum Optical Neural Networks
von: Krasimirov-Ivanov, Todor, et al.
Veröffentlicht: (2025)

Learned Reference-based Diffusion Sampling for multi-modal distributions
von: Noble, Maxence, et al.
Veröffentlicht: (2024)

Stochastic Localization via Iterative Posterior Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2024)

Many-body quantum resources of graph states
von: Płodzień, Marcin, et al.
Veröffentlicht: (2024)

Inherent quantum resources in stationary spin chains
von: Płodzień, Marcin, et al.
Veröffentlicht: (2024)

Exponential quantum advantages in learning quantum observables from classical data
von: Molteni, Riccardo, et al.
Veröffentlicht: (2024)

Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver
von: Shi, Chenyu, et al.
Veröffentlicht: (2025)

On Bounded Advice Classes
von: Marshall, Simon, et al.
Veröffentlicht: (2024)

Active learning of Boltzmann samplers and potential energies with quantum mechanical accuracy
von: Molina-Taborda, Ana, et al.
Veröffentlicht: (2024)

Riemannian Stochastic Interpolants for Amorphous Particle Systems
von: Grenioux, Louis, et al.
Veröffentlicht: (2025)

Efficient Monte Carlo sampling of metastable systems using non-local collective variable updates
von: Schönle, Christoph, et al.
Veröffentlicht: (2025)

The critical slowing down in diffusion models
von: Del Bono, Luca Maria, et al.
Veröffentlicht: (2026)

Accurate ground states of $SU(2)$ lattice gauge theory in 2+1D and 3+1D
von: Spriggs, Thomas, et al.
Veröffentlicht: (2025)

Empirical Sample Complexity of Neural Network Mixed State Reconstruction
von: Zhao, Haimeng, et al.
Veröffentlicht: (2023)

Variational Embeddings for Many Body Quantum Systems
von: Barison, Stefano, et al.
Veröffentlicht: (2023)

Quantum machine learning advantages beyond hardness of evaluation
von: Molteni, Riccardo, et al.
Veröffentlicht: (2025)

Improved separation between quantum and classical computers for sampling and functional tasks
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

On the expressivity of embedding quantum kernels
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

A Monte Carlo Tree Search approach to QAOA: finding a needle in the haystack
von: Agirre, Andoni, et al.
Veröffentlicht: (2024)

Multiple-time Quantum Imaginary Time Evolution
von: Del Castillo, Julio, et al.
Veröffentlicht: (2025)

String breaking dynamics in Ising chain with local vibrations
von: Mallick, Arindam, et al.
Veröffentlicht: (2024)

Sonification of entanglement dynamics in many-qubit systems
von: Tudoce, Juliette, et al.
Veröffentlicht: (2025)

Characterizing Trainability of Instantaneous Quantum Polynomial Circuit Born Machines
von: Shen, Kevin, et al.
Veröffentlicht: (2026)

Testing the presence of balanced and bipartite components in a sparse graph is QMA1-hard
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2024)

Machine learning with minimal use of quantum computers: Provable advantages in Learning Under Quantum Privileged Information (LUQPI)
von: Bokov, Vasily, et al.
Veröffentlicht: (2026)