Buchumschlag

Variational Tensor Neural Networks for Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jahromi, Saeed S., Orus, Roman
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Disordered Systems and Neural Networks Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Neural Networks as Variational Solutions for Correlated Open Quantum Systems
von: Mellak, Johannes, et al.
Veröffentlicht: (2024)

Variational Neural and Tensor Network Approximations of Thermal States
von: Lu, Sirui, et al.
Veröffentlicht: (2024)

Loop Series Expansions for Tensor Networks
von: Evenbly, Glen, et al.
Veröffentlicht: (2024)

Neural Network Ground State from the Neural Tangent Kernel Perspective: The Sign Bias
von: Kol-Namer, Harel, et al.
Veröffentlicht: (2024)

Quantum Light Detection with Enhanced Photonic Neural Network
von: Świerczewski, Stanisław, et al.
Veröffentlicht: (2026)

Tensor Cross Interpolation of Purities in Quantum Many-Body Systems
von: Kolisnyk, Dmytro, et al.
Veröffentlicht: (2025)

Tensor Network Computations That Capture Strict Variationality, Volume Law Behavior, and the Efficient Representation of Neural Network States
von: Liu, Wen-Yuan, et al.
Veröffentlicht: (2024)

Probing the Spacetime Structure of Entanglement in Monitored Quantum Circuits with Graph Neural Networks
von: Vahedi, Javad, et al.
Veröffentlicht: (2026)

Correlated volumes for extended wavefunctions on a random-regular graph
von: Pino, Manuel, et al.
Veröffentlicht: (2023)

Hamiltonian Learning via Inverse Physics-Informed Neural Networks
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Variational subspace methods and application to improving variational Monte Carlo dynamics
von: Kahn, Adrien, et al.
Veröffentlicht: (2025)

Lindbladian Learning with Neural Differential Equations
von: Heightman, Timothy, et al.
Veröffentlicht: (2026)

Neural Importance Resampling: A Practical Sampling Strategy for Neural Quantum States
von: Ledinauskas, Eimantas, et al.
Veröffentlicht: (2025)

Accelerating Noisy Variational Quantum Algorithms with Physics-Informed Denoising Networks
von: Liu, Jie, et al.
Veröffentlicht: (2026)

Deep Unfolded Local Quantum Annealing
von: Arai, Shunta, et al.
Veröffentlicht: (2024)

Neural-network quantum states for many-body physics
von: Medvidović, Matija, et al.
Veröffentlicht: (2024)

Neural Projected Quantum Dynamics: a systematic study
von: Gravina, Luca, et al.
Veröffentlicht: (2024)

Solving Classical and Quantum Spin Glasses with Deep Boltzmann Quantum States
von: Leone, Luca, et al.
Veröffentlicht: (2026)

Noncooperative Quantum Networks
von: Shao, Yanxuan, et al.
Veröffentlicht: (2025)

DysonNet: Constant-Time Local Updates for Neural Quantum States
von: Winter, Lucas, et al.
Veröffentlicht: (2026)

Phase-Space Framework for Noisy Intermediate-Scale Quantum Optical Neural Networks
von: Świerczewski, Stanisław, et al.
Veröffentlicht: (2025)

Deep-learned error mitigation via partially knitted circuits for the variational quantum eigensolver
von: Cantori, Simone, et al.
Veröffentlicht: (2025)

Neural quantum states for entanglement depth certification from randomized Pauli measurements
von: Płodzień, Marcin
Veröffentlicht: (2025)

Universal Performance Gap of Neural Quantum States Applied to the Hofstadter-Bose-Hubbard Model
von: Ledinauskas, Eimantas, et al.
Veröffentlicht: (2024)

Neural-network-assisted Monte Carlo sampling trained by Quantum Approximate Optimization Algorithm
von: Nakano, Yuichiro, et al.
Veröffentlicht: (2025)

Dissipative Quantum Hopfield Network: A numerical analysis
von: Torres, Joaquín J., et al.
Veröffentlicht: (2023)

When Less is More: Approximating the Quantum Geometric Tensor with Block Structures
von: Shokry, Ahmedeo, et al.
Veröffentlicht: (2025)

Fermionic Machine Learning
von: Gince, Jérémie, et al.
Veröffentlicht: (2024)

Disorder-Induced Anomalous Diffusion in a 3D Spin Network
von: Stasiuk, Andrew, et al.
Veröffentlicht: (2025)

Natural Quantization of Neural Networks
von: Barney, Richard, et al.
Veröffentlicht: (2025)

Quantum Reinforcement Learning: the Maze problem
von: Pozza, Nicola Dalla, et al.
Veröffentlicht: (2021)

Variational Monte Carlo with Large Patched Transformers
von: Sprague, Kyle, et al.
Veröffentlicht: (2023)

Reinforcement Learning for Optimal Control of Spin Magnetometers
von: Cooke, Logan W., et al.
Veröffentlicht: (2025)

Machine Learned Hückel Theory: Interfacing Physics and Deep Neural Networks
von: Zubatyuk, Tetiana, et al.
Veröffentlicht: (2019)

Attention-Like Hebbian Learning from Quantum Probability Flow and Quantum-Annealer Tests
von: Ohzeki, Masayuki
Veröffentlicht: (2026)

Variational Neural Annealing
von: Hibat-Allah, Mohamed, et al.
Veröffentlicht: (2021)

Enhancing Neural-Network Variational Monte Carlo through Basis Transformation
von: Liu, Zhixuan, et al.
Veröffentlicht: (2026)

Replica Tensor Train
von: Srdinsek, Miha, et al.
Veröffentlicht: (2026)

Benchmarking a Tunable Quantum Neural Network on Trapped-Ion and Superconducting Hardware
von: Lakhdar-Hamina, Djamil, et al.
Veröffentlicht: (2025)

Two mass-imbalanced atoms in a hard-wall trap: Deep learning integrability of many-body systems
von: Lang, Liheng, et al.
Veröffentlicht: (2024)