Buchumschlag

Extending echo state property for quantum reservoir computing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kobayashi, Shumpei, Tran, Quoc Hoan, Nakajima, Kohei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Dynamical Systems Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Coherence influx is indispensable for quantum reservoir computing
von: Kobayashi, Shumpei, et al.
Veröffentlicht: (2024)

Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Higher order quantum reservoir computing for non-intrusive reduced-order models
von: Jain, Vinamr, et al.
Veröffentlicht: (2024)

Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics
von: Ahmed, Osama, et al.
Veröffentlicht: (2024)

Robust quantum reservoir computers for forecasting chaotic dynamics: generalized synchronization and stability
von: Ahmed, Osama, et al.
Veröffentlicht: (2025)

Resource-efficient equivariant quantum convolutional neural networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Multifunctional physical reservoir computing in soft tensegrity robots
von: Terajima, Ryo, et al.
Veröffentlicht: (2025)

Quantum Curriculum Learning
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2024)

Harnessing omnipresent oscillator networks as computational resource
von: de Jong, Thomas Geert, et al.
Veröffentlicht: (2025)

Enhancing variational quantum algorithms by balancing training on classical and quantum hardware
von: Bhowmick, Rahul, et al.
Veröffentlicht: (2025)

Molecular Quantum Transformer
von: Kamata, Yuichi, et al.
Veröffentlicht: (2025)

Latent-Conditioned Parameterized Quantum Circuits as Universal Approximators for Distributions over Quantum States
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Universality of Many-body Projected Ensemble for Learning Quantum Data Distribution
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Thermodynamic limit in learning period three
von: Terasaki, Yuichiro, et al.
Veröffentlicht: (2024)

Learning quantum many-body data locally: A provably scalable framework
von: Chinzei, Koki, et al.
Veröffentlicht: (2025)

Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
von: Sedykh, Alexandr, et al.
Veröffentlicht: (2023)

Designing Chaotic Attractors: A Semi-supervised Approach
von: Kabayama, Tempei, et al.
Veröffentlicht: (2024)

Trade-off between Gradient Measurement Efficiency and Expressivity in Deep Quantum Neural Networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Splitting and Parallelizing of Quantum Convolutional Neural Networks for Learning Translationally Symmetric Data
von: Chinzei, Koki, et al.
Veröffentlicht: (2023)

Confabulation dynamics in a reservoir computer: Filling in the gaps with untrained attractors
von: O'Hagan, Jack, et al.
Veröffentlicht: (2025)

Attractor-merging Crises and Intermittency in Reservoir Computing
von: Kabayama, Tempei, et al.
Veröffentlicht: (2025)

Exploring the origins of switching dynamics in a multifunctional reservoir computer
von: Flynn, Andrew, et al.
Veröffentlicht: (2024)

Iterative Quantum Feature Maps
von: Matsumoto, Nasa, et al.
Veröffentlicht: (2025)

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

How noise affects memory in linear recurrent networks
von: Guan, JingChuan, et al.
Veröffentlicht: (2024)

Universal replication of chaotic characteristics by classical and quantum machine learning
von: Bai, Sheng-Chen, et al.
Veröffentlicht: (2024)

Challenges for quantum computation of nonlinear dynamical systems using linear representations
von: Lin, Yen Ting, et al.
Veröffentlicht: (2022)

How more data can hurt: Instability and regularization in next-generation reservoir computing
von: Zhang, Yuanzhao, et al.
Veröffentlicht: (2024)

Using reservoir computing to construct scarred wavefunctions
von: Domingo, L., et al.
Veröffentlicht: (2024)

Universal bound on the Lyapunov spectrum of quantum master equations
von: Muratore-Ginanneschi, Paolo, et al.
Veröffentlicht: (2025)

Quantum states resembling classical periodic trajectories in mesoscopic elliptic billiards
von: Riestra, Jesus G., et al.
Veröffentlicht: (2023)

Accelerating the analysis of optical quantum systems using the Koopman operator
von: Hunstig, Anna, et al.
Veröffentlicht: (2023)

Recovering the state and dynamics of autonomous system with partial states solution using neural networks
von: Kag, Vijay
Veröffentlicht: (2024)

Reservoir computing for system identification and predictive control with limited data
von: Williams, Jan P., et al.
Veröffentlicht: (2024)

Attractor learning for spatiotemporally chaotic dynamical systems using echo state networks with transfer learning
von: Alam, Mohammad Shah, et al.
Veröffentlicht: (2025)

On the attractor in a high-dimensional neural network dynamics of reservoir computing: Lyapunov analysis viewpoint
von: Kobayashi, Miki U., et al.
Veröffentlicht: (2025)

Convergence of optimizers implies eigenvalues filtering at equilibrium
von: Bolte, Jerome, et al.
Veröffentlicht: (2025)

Tailored minimal reservoir computing: on the bidirectional connection between nonlinearities in the reservoir and in data
von: Prosperino, Davide, et al.
Veröffentlicht: (2025)

Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification
von: Botvinick-Greenhouse, Jonah, et al.
Veröffentlicht: (2024)

Sparse identification of quasipotentials via a combined data-driven method
von: Lin, Bo, et al.
Veröffentlicht: (2024)