Buchumschlag

Data-driven criteria for quantum correlations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Krawczyk, Mateusz, Pawłowski, Jarosław, Maśka, Maciej M., Roszak, Katarzyna
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

Learning quantum tomography from incomplete measurements
von: Krawczyk, Mateusz, et al.
Veröffentlicht: (2025)

Learning entanglement from tomography data: contradictory measurement importance for neural networks and random forests
von: Baláž, Pavel, et al.
Veröffentlicht: (2025)

Identification of quantum entanglement with Siamese convolutional neural networks and semi-supervised learning
von: Pawłowski, Jarosław, et al.
Veröffentlicht: (2022)

Learning Hamiltonians for solid-state quantum simulators
von: Pawłowski, Jarosław, et al.
Veröffentlicht: (2026)

Learning quantum tomography from incomplete measurements
von: Krawczyk, Mateusz, et al.
Veröffentlicht: (2025)

AI-enhanced tuning of quantum dot Hamiltonians toward Majorana modes
von: Krawczyk, Mateusz, et al.
Veröffentlicht: (2026)

Estimation of nuclear polarization via discrete measurement of NV center spin evolution
von: Kuniej, Mateusz, et al.
Veröffentlicht: (2024)

Direct access to the initial polarization of ${}^{13}C$ nuclei by measuring coherence evolution of an nitrogen-vacancy center spin qubit
von: Kuniej, Mateusz, et al.
Veröffentlicht: (2026)

A glimpse of objectivity in bipartite systems for non-entangling pure dephasing evolutions
von: Roszak, Katarzyna, et al.
Veröffentlicht: (2019)

Signatures of quantum noise in the operation of Deutsch's algorithm
von: Strzałka, Małgorzata, et al.
Veröffentlicht: (2026)

A signature of quantumness in pure decoherence control
von: Rzepkowski, Bartosz, et al.
Veröffentlicht: (2022)

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

Detection of entanglement during pure dephasing evolutions for systems and environments of any size
von: Strzałka, Małgorzata, et al.
Veröffentlicht: (2021)

Transfer and teleportation of system-environment entanglement
von: Harlender, Tytus, et al.
Veröffentlicht: (2021)

A Non-Convex Optimization Strategy for Computing Convex-Roof Entanglement
von: Adriazola, Jimmie, et al.
Veröffentlicht: (2024)

Harnessing spin-qubit decoherence to probe strongly-interacting quantum systems
von: Płodzień, Marcin, et al.
Veröffentlicht: (2024)

Learning Volterra Kernels for Non-Markovian Open Quantum Systems
von: Adriazola, Jimmie, et al.
Veröffentlicht: (2026)

Feedback-driven recurrent quantum neural network universality
von: Gonon, Lukas, et al.
Veröffentlicht: (2025)

Blind quantum machine learning with quantum bipartite correlator
von: Li, Changhao, et al.
Veröffentlicht: (2023)

Qubit-environment entanglement in time-dependent pure dephasing
von: Strzałka, Małgorzata, et al.
Veröffentlicht: (2023)

Convex-roof entanglement measures of density matrices block diagonal in disjoint subspaces for the study of thermal states
von: Jędrzejewski, Mikołaj, et al.
Veröffentlicht: (2022)

Entanglement with a mode observable via a tunable interaction with a qubit
von: Strzałka, Małgorzata, et al.
Veröffentlicht: (2025)

Data-driven quantum Koopman method for simulating nonlinear dynamics
von: Zhang, Baoyang, et al.
Veröffentlicht: (2025)

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

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

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

Revisiting semiclassical effective dynamics for quantum cosmology
von: Kowalczyk, Maciej, et al.
Veröffentlicht: (2024)

Neural networks leverage nominally quantum and post-quantum representations
von: Riechers, Paul M., et al.
Veröffentlicht: (2025)

Provable and scalable quantum Gaussian processes for quantum learning
von: Jäger, Jonas, et al.
Veröffentlicht: (2026)

Efficient quantum-enhanced classical simulation for patches of quantum landscapes
von: Lerch, Sacha, et al.
Veröffentlicht: (2024)

Exponential concentration in quantum kernel methods
von: Thanasilp, Supanut, et al.
Veröffentlicht: (2022)

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

Effects of noise on the overparametrization of quantum neural networks
von: García-Martín, Diego, et al.
Veröffentlicht: (2023)

Architectures and random properties of symplectic quantum circuits
von: García-Martín, Diego, et al.
Veröffentlicht: (2024)

Generative quantum advantage for classical and quantum problems
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2025)

Is data-efficient learning feasible with quantum models?
von: Sakhnenko, Alona, et al.
Veröffentlicht: (2025)

Benchmarking MedMNIST dataset on real quantum hardware
von: Singh, Gurinder, et al.
Veröffentlicht: (2025)

A semi-agnostic ansatz with variable structure for quantum machine learning
von: Bilkis, M., et al.
Veröffentlicht: (2021)

On the explainability of quantum neural networks based on variational quantum circuits
von: Daskin, Ammar
Veröffentlicht: (2023)

Quantum neural networks facilitating quantum state classification
von: Sharma, Diksha, et al.
Veröffentlicht: (2025)