Buchumschlag

TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yaocheng, Kuo, Chung-Yun, Du, Yuxuan, Tao, Dacheng, Wu, Xingyao
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Quantum Physics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On exploring the potential of quantum auto-encoder for learning quantum systems
von: Du, Yuxuan, et al.
Veröffentlicht: (2021)

Dequantizing quantum machine learning models using tensor networks
von: Shin, Seongwook, et al.
Veröffentlicht: (2023)

Grokking as an entanglement transition in tensor network machine learning
von: Pomarico, Domenico, et al.
Veröffentlicht: (2025)

Efficient tensor networks for control-enhanced quantum metrology
von: Liu, Qiushi, et al.
Veröffentlicht: (2024)

AQER: a scalable and efficient data loader for digital quantum computers
von: Zhang, Kaining, et al.
Veröffentlicht: (2026)

AiDE-Q: Synthetic Labeled Datasets Can Enhance Learning Models for Quantum Property Estimation
von: Wang, Xinbiao, et al.
Veröffentlicht: (2025)

Density matrix representation of hybrid tensor networks for noisy quantum devices
von: Harada, Hiroyuki, et al.
Veröffentlicht: (2023)

The power of entanglement in distributed quantum machine learning
von: Kim, Yerim, et al.
Veröffentlicht: (2026)

An energy efficient quantum-enhanced machine
von: Hou, Waner, et al.
Veröffentlicht: (2024)

Parallel hybrid quantum-classical machine learning for kernelized time-series classification
von: Baker, Jack S., et al.
Veröffentlicht: (2023)

Research progress on quantum neural networks and quantum machine learning
von: Sun, Yifan, et al.
Veröffentlicht: (2026)

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits
von: Du, Yuxuan, et al.
Veröffentlicht: (2024)

Quantum computing quantum Monte Carlo with hybrid tensor network for electronic structure calculations
von: Kanno, Shu, et al.
Veröffentlicht: (2023)

A hybrid quantum-classical framework for computational fluid dynamics
von: Ye, Chuang-Chao, et al.
Veröffentlicht: (2024)

Quantum-inspired tensor networks in machine learning models
von: Valverde, Guillermo, et al.
Veröffentlicht: (2026)

Memory-enhanced quantum extreme learning machines for characterizing non-Markovian dynamics
von: Assil, Hajar, et al.
Veröffentlicht: (2026)

Ad-hoc hybrid-heterogeneous metropolitan-range quantum key distribution network
von: Goy, Matthias, et al.
Veröffentlicht: (2024)

A metropolitan-scale trapped-ion quantum network node with hybrid multiplexing enhancements
von: Cui, Z. -B., et al.
Veröffentlicht: (2025)

Entanglement distribution based on quantum walk in arbitrary quantum networks
von: Chen, Tianen, et al.
Veröffentlicht: (2024)

Dimension reduction with structure-aware quantum circuits for hybrid machine learning
von: Daskin, Ammar
Veröffentlicht: (2025)

Beyond Penrose tensor diagrams with the ZX calculus: Applications to quantum computing, quantum machine learning, condensed matter physics, and quantum gravity
von: Wang, Quanlong, et al.
Veröffentlicht: (2025)

Privacy-preserving machine learning with tensor networks
von: Pozas-Kerstjens, Alejandro, et al.
Veröffentlicht: (2022)

Quantum-enhanced distributed network sensing using multiple quantum resources
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

Q-GEAR: Improving quantum simulation framework
von: Guo, Ziqing, et al.
Veröffentlicht: (2025)

Exploring quantum localization with machine learning
von: Montes, J., et al.
Veröffentlicht: (2024)

Integrated distributed sensing and quantum communication networks
von: Xu, Yuehan, et al.
Veröffentlicht: (2024)

Randomness-enhanced expressivity of quantum neural networks
von: Wu, Yadong, et al.
Veröffentlicht: (2023)

QKAN: quantum Kolmogorov-Arnold networks with applications in machine learning and multivariate state preparation
von: Ivashkov, Petr, et al.
Veröffentlicht: (2024)

TorchQC -- A framework for efficiently integrating machine and deep learning methods in quantum dynamics and control
von: Koutromanos, Dimitris, et al.
Veröffentlicht: (2024)

Nanodiamond quantum thermometry assisted with machine learning
von: Yamamoto, Kouki, et al.
Veröffentlicht: (2025)

Neural auto-designer for enhanced quantum kernels
von: Lei, Cong, et al.
Veröffentlicht: (2024)

Local surrogates for quantum machine learning
von: Nair, Sreeraj Rajindran, et al.
Veröffentlicht: (2025)

Measurement-based quantum machine learning
von: Calderón, Luis Mantilla, et al.
Veröffentlicht: (2024)

Single-shot quantum machine learning
von: Recio-Armengol, Erik, et al.
Veröffentlicht: (2024)

A quantum eigenvalue solver based on tensor networks
von: Leimkuhler, Oskar, et al.
Veröffentlicht: (2024)

Molecular representations of quantum circuits for quantum machine learning
von: Torabian, Elham, et al.
Veröffentlicht: (2025)

TensorKrowch: Smooth integration of tensor networks in machine learning
von: Monturiol, José Ramón Pareja, et al.
Veröffentlicht: (2023)

Scalable quantum dynamics compilation via quantum machine learning
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2024)

Local tensor-train surrogates for quantum learning models
von: Nair, Sreeraj Rajindran, et al.
Veröffentlicht: (2026)

A hybrid quantum walk model unifying discrete and continuous quantum walks
von: Chen, Tianen, et al.
Veröffentlicht: (2025)