Buchumschlag

Quantum approximate optimization via learning-based adaptive optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Lixue, Chen, Yu-Qin, Zhang, Shi-Xin, Zhang, Shengyu
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Quantum Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Superior resilience to poisoning and amenability to unlearning in quantum machine learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

Continuous optimization by quantum adaptive distribution search
von: Morimoto, Kohei, et al.
Veröffentlicht: (2023)

Non-Markovianity Benefits Quantum Dynamics Simulation
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2023)

Attention-based optimizer for symmetry finding
von: Banerjee, Shreya, et al.
Veröffentlicht: (2026)

Quantum feature encoding optimization
von: Fioravanti, Tommaso, et al.
Veröffentlicht: (2025)

Conservative quantum offline model-based optimization
von: Sotirov, Kristian, et al.
Veröffentlicht: (2025)

On the dynamical Lie algebras of quantum approximate optimization algorithms
von: Allcock, Jonathan, et al.
Veröffentlicht: (2024)

Towards sample-optimal learning of bosonic Gaussian quantum states
von: Chen, Senrui, et al.
Veröffentlicht: (2026)

Kernel-based optimization of measurement operators for quantum reservoir computers
von: Gross, Markus, et al.
Veröffentlicht: (2026)

Quantum Phase Recognition via Quantum Attention Mechanism
von: Chen, Jin-Long, et al.
Veröffentlicht: (2026)

Regularized second-order optimization of tensor-network Born machines
von: Ben-Dov, Matan, et al.
Veröffentlicht: (2025)

Resource-efficient quantum approximate optimization algorithm via Bayesian optimization and maximum-probability evaluation
von: Zhang, Siran, et al.
Veröffentlicht: (2026)

TQml Simulator: optimized simulation of quantum machine learning
von: Kuzmin, Viacheslav, et al.
Veröffentlicht: (2025)

Surrogate-guided optimization in quantum networks
von: Prielinger, Luise, et al.
Veröffentlicht: (2024)

Meta-Learning for Quantum Optimization via Quantum Sequence Model
von: Lin, Yu-Cheng, et al.
Veröffentlicht: (2025)

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

Sub-universal variational circuits for combinatorial optimization problems
von: Weitz, Gal, et al.
Veröffentlicht: (2023)

Quantum Hierarchical Reinforcement Learning via Variational Quantum Circuits
von: Lee, Yu-Ting, et al.
Veröffentlicht: (2026)

Generative-enhanced optimization for knapsack problems: an industry-relevant study
von: Vodovozova, Yelyzaveta, et al.
Veröffentlicht: (2025)

Hybrid quantum-classical algorithm for near-optimal planning in POMDPs
von: Cunha, Gilberto, et al.
Veröffentlicht: (2025)

Learning to rank quantum circuits for hardware-optimized performance enhancement
von: Hartnett, Gavin S., et al.
Veröffentlicht: (2024)

Stabilizer ground states for simulating quantum many-body physics: theory, algorithms, and applications
von: Sun, Jiace, et al.
Veröffentlicht: (2024)

HQCC: A Hybrid Quantum-Classical Classifier with Adaptive Structure
von: Zhao, Ren-Xin, et al.
Veröffentlicht: (2025)

Multi-objective optimization and quantum hybridization of equivariant deep learning interatomic potentials on organic and inorganic compounds
von: Laskaris, G., et al.
Veröffentlicht: (2026)

Quantum open system identification via global optimization: Optimally accurate Markovian models of open systems from time-series data
von: Popovych, Zakhar, et al.
Veröffentlicht: (2022)

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

Beyond Classical Attention: Quantum Attention for Scalable Computation
von: Guo, Xuyang, et al.
Veröffentlicht: (2023)

Toward Generative Quantum Utility via Correlation-Complexity Map
von: Liu, Chen-Yu, et al.
Veröffentlicht: (2026)

Enhancing Interpretability of Quantum-Assisted Blockchain Clustering via AI Agent-Based Qualitative Analysis
von: Tsai, Yun-Cheng, et al.
Veröffentlicht: (2025)

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

Special-Unitary Parameterization for Trainable Variational Quantum Circuits
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)

Generative Quantum-inspired Kolmogorov-Arnold Eigensolver
von: Lin, Yu-Cheng, et al.
Veröffentlicht: (2026)

You Only Measure Once: On Designing Single-Shot Quantum Machine Learning Models
von: Liu, Chen-Yu, et al.
Veröffentlicht: (2025)

Sample-optimal classical shadows for pure states
von: Grier, Daniel, et al.
Veröffentlicht: (2022)

Quantum Variational Activation Functions Empower Kolmogorov-Arnold Networks
von: Jiang, Jiun-Cheng, et al.
Veröffentlicht: (2025)

Quantum thermodynamics and semi-definite optimization
von: Liu, Nana, et al.
Veröffentlicht: (2025)

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

Quantum-data-driven dynamical transition in quantum learning
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2024)

Quantum reinforcement learning in continuous action space
von: Wu, Shaojun, et al.
Veröffentlicht: (2020)