Buchumschlag

Trainability and Expressivity of Hamming-Weight Preserving Quantum Circuits for Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Monbroussou, Léo, Mamon, Eliott Z., Landman, Jonas, Grilo, Alex B., Kukla, Romain, Kashefi, Elham
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Subspace Preserving Quantum Convolutional Neural Network Architectures
von: Monbroussou, Léo, et al.
Veröffentlicht: (2024)

When Quantum and Classical Models Disagree: Learning Beyond Minimum Norm Least Square
von: Thabet, Slimane, et al.
Veröffentlicht: (2024)

Constrained and Vanishing Expressivity of Quantum Fourier Models
von: Mhiri, Hela, et al.
Veröffentlicht: (2024)

Towards quantum advantage with photonic state injection
von: Monbroussou, Léo, et al.
Veröffentlicht: (2024)

The Power of Shallow-depth Toffoli and Qudit Quantum Circuits
von: Grilo, Alex Bredariol, et al.
Veröffentlicht: (2024)

Orbit dimensions in linear and Gaussian quantum optics
von: Mamon, Eliott Z.
Veröffentlicht: (2025)

Boson sampling beyond the dilute regime: second moments and anti-concentration
von: Mhiri, Hela, et al.
Veröffentlicht: (2026)

Preparation of Hamming-Weight-Preserving Quantum States with Log-Depth Quantum Circuits
von: Li, Yu, et al.
Veröffentlicht: (2025)

Non-Destructive Zero-Knowledge Proofs on Quantum States, and Multi-Party Generation of Authorized Hidden GHZ States
von: Colisson, Léo, et al.
Veröffentlicht: (2021)

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

Quantum Local Differential Privacy and Quantum Statistical Query Model
von: Angrisani, Armando, et al.
Veröffentlicht: (2022)

Logarithmic-Depth Quantum Circuits for Hamming Weight Projections
von: Rethinasamy, Soorya, et al.
Veröffentlicht: (2024)

Hybrid Authentication Protocols for Advanced Quantum Networks
von: Goswami, Suchetana, et al.
Veröffentlicht: (2025)

Information-Theoretic Limits of Quantum Learning via Data Compression
von: Angrisani, Armando, et al.
Veröffentlicht: (2021)

Error Mitigation of BQP Computations using Measurement-Based Verification
von: Harris, Joseph, et al.
Veröffentlicht: (2023)

Optimal Circuit Size for Fixed-Hamming-Weight Quantum States Preparation
von: Luo, Jingquan, et al.
Veröffentlicht: (2025)

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

Quantum Error Suppression with Subgroup Stabilisation
von: Yang, Bo, et al.
Veröffentlicht: (2024)

Verification of Quantum Computations without Trusted Preparations or Measurements
von: Kashefi, Elham, et al.
Veröffentlicht: (2024)

Verification of Quantum Computations Without Trusted Preparations or Measurements
von: Elham Kashefi, et al.
Veröffentlicht: (2026)

Quantum pseudoresources imply cryptography
von: Grilo, Alex B., et al.
Veröffentlicht: (2025)

Quantum function secret sharing
von: Grilo, Alex B., et al.
Veröffentlicht: (2025)

Heuristic-free Verification-inspired Quantum Benchmarking
von: Frank, Johannes, et al.
Veröffentlicht: (2024)

Verifiable blind observable estimation
von: Yang, Bo, et al.
Veröffentlicht: (2025)

Diagnosing Quantum Circuits: Noise Robustness, Trainability, and Expressibility
von: Shao, Yuguo, et al.
Veröffentlicht: (2025)

Provably Trainable Rotationally Equivariant Quantum Machine Learning
von: West, Maxwell T., et al.
Veröffentlicht: (2023)

The Round Complexity of Proofs in the Bounded Quantum Storage Model
von: Grilo, Alex B., et al.
Veröffentlicht: (2024)

Unifying Quantum Verification and Error-Detection: Theory and Tools for Optimisations
von: Kapourniotis, Theodoros, et al.
Veröffentlicht: (2022)

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

Enhancing the Trainability of Variational Quantum Circuits with Regularization Strategies
von: Zhuang, Jun, et al.
Veröffentlicht: (2024)

Arbitrary Polynomial Separations in Trainable Quantum Machine Learning
von: Anschuetz, Eric R., et al.
Veröffentlicht: (2024)

Comment on "Provably Trainable Rotationally Equivariant Quantum Machine Learning"
von: Xiao, Zhiming, et al.
Veröffentlicht: (2025)

Evaluating Variational Quantum Circuit Architectures for Distributed Quantum Computing
von: Sünkel, Leo, et al.
Veröffentlicht: (2025)

On-Chip Verified Quantum Computation with an Ion-Trap Quantum Processing Unit
von: Gustiani, Cica, et al.
Veröffentlicht: (2024)

Selectively Blind Quantum Computation
von: Poshtvan, Abbas, et al.
Veröffentlicht: (2025)

Photonic Quantum Convolutional Neural Networks with Adaptive State Injection
von: Monbroussou, Léo, et al.
Veröffentlicht: (2025)

On the Differential Topology of Expressivity of Parameterized Quantum Circuits
von: Barzen, Johanna, et al.
Veröffentlicht: (2025)

Constraint-Aware Quantum Optimization via Hamming Weight Operators
von: Hao, Yajie, et al.
Veröffentlicht: (2026)

A Mutual Information-based Metric for Temporal Expressivity and Trainability Estimation in Quantum Policy Gradient Pipelines
von: Jeong, Jaehun, et al.
Veröffentlicht: (2025)

Trainability Enhancement of Parameterized Quantum Circuits via Reduced-Domain Parameter Initialization
von: Wang, Yabo, et al.
Veröffentlicht: (2023)