Buchumschlag

Neural auto-designer for enhanced quantum kernels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lei, Cong, Du, Yuxuan, Mi, Peng, Yu, Jun, Liu, Tongliang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Machine Learning
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)

On the similarity of bandwidth-tuned quantum kernels and classical kernels
von: Flórez-Ablan, Roberto, et al.
Veröffentlicht: (2025)

Maritime object classification with SAR imagery using quantum kernel methods
von: Tanner, John, et al.
Veröffentlicht: (2025)

On the expressivity of embedding quantum kernels
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

Double descent in quantum kernel methods
von: Kempkes, Marie, et al.
Veröffentlicht: (2025)

Automatic and effective discovery of quantum kernels
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2022)

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

Hybrid model of the kernel method for quantum computers
von: de Borba, Jhordan Silveira, et al.
Veröffentlicht: (2024)

Satellite image classification with neural quantum kernels
von: Rodriguez-Grasa, Pablo, et al.
Veröffentlicht: (2024)

Shot-frugal and Robust quantum kernel classifiers
von: Shastry, Abhay, et al.
Veröffentlicht: (2022)

Optimal algorithmic complexity of inference in quantum kernel methods
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2026)

Fusion of classical and quantum kernels enables accurate and robust two-sample tests
von: Terada, Yu, et al.
Veröffentlicht: (2025)

Benchmarking quantum machine learning kernel training for classification tasks
von: Alvarez-Estevez, Diego
Veröffentlicht: (2024)

Non-variational supervised quantum kernel methods: a review
von: Tanner, John, et al.
Veröffentlicht: (2026)

Rethink the Role of Neural Decoders in Quantum Error Correction
von: Yan, Ge, et al.
Veröffentlicht: (2026)

Application of quantum machine learning using quantum kernel algorithms on multiclass neuron M type classification
von: Vasques, Xavier, et al.
Veröffentlicht: (2025)

Mitigating exponential concentration in covariant quantum kernels for subspace and real-world data
von: Agliardi, Gabriele, et al.
Veröffentlicht: (2024)

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

Rethink the Role of Deep Learning towards Large-scale Quantum Systems
von: Zhao, Yusheng, et al.
Veröffentlicht: (2025)

Experimental robustness benchmarking of quantum neural networks on a superconducting quantum processor
von: Zhang, Hai-Feng, et al.
Veröffentlicht: (2025)

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

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

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

Toward Uncertainty-Aware and Generalizable Neural Decoding for Quantum LDPC Codes
von: Mi, Xiangjun, et al.
Veröffentlicht: (2025)

Quantum enhanced stratification of Breast Cancer: exploring quantum expressivity for real omics data
von: Repetto, Valeria, et al.
Veröffentlicht: (2024)

Towards efficient quantum algorithms for diffusion probabilistic models
von: Wang, Yunfei, et al.
Veröffentlicht: (2025)

Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem
von: Wang, Xinbiao, et al.
Veröffentlicht: (2024)

Learning spatially structured open quantum dynamics with regional-attention transformers
von: Du, Dounan, et al.
Veröffentlicht: (2025)

PALQO: Physics-informed Model for Accelerating Large-scale Quantum Optimization
von: Huang, Yiming, et al.
Veröffentlicht: (2025)

Towards provably efficient quantum algorithms for large-scale machine-learning models
von: Liu, Junyu, et al.
Veröffentlicht: (2023)

Learning out-of-time-ordered correlators with classical kernel methods
von: Tanner, John, et al.
Veröffentlicht: (2024)

Neural quantum support vector data description for one-class classification
von: Im, Changjae, et al.
Veröffentlicht: (2026)

Sample-efficient quantum error mitigation via classical learning surrogates
von: Liao, Wei-You, et al.
Veröffentlicht: (2025)

The curse of random quantum data
von: Zhang, Kaining, et al.
Veröffentlicht: (2024)

Quantum Compiling with Reinforcement Learning on a Superconducting Processor
von: Wang, Z. T., et al.
Veröffentlicht: (2024)

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

Artificial intelligence for representing and characterizing quantum systems
von: Du, Yuxuan, et al.
Veröffentlicht: (2025)

Parameterized quantum comb and simpler circuits for reversing unknown qubit-unitary operations
von: Mo, Yin, et al.
Veröffentlicht: (2024)

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

Federated learning with distributed fixed design quantum chips and quantum channels
von: Daskin, Ammar
Veröffentlicht: (2024)