Buchumschlag

Automatic re-calibration of quantum devices by reinforcement learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Crosta, T., Rebón, L., Vilariño, F., Matera, J. M., Bilkis, M.
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

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

Hybrid Classical-Quantum architecture for vectorised image classification of hand-written sketches
von: Cordero, Y., et al.
Veröffentlicht: (2024)

Discovering autonomous quantum error correction via deep reinforcement learning
von: Yin, Yue, et al.
Veröffentlicht: (2025)

Towards Heisenberg limit without critical slowing down via quantum reinforcement learning
von: Xu, Hang, et al.
Veröffentlicht: (2025)

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

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

Deep reinforcement learning for near-deterministic preparation of cubic- and quartic-phase gates in photonic quantum computing
von: Anteneh, Amanuel, et al.
Veröffentlicht: (2025)

A quantum-classical reinforcement learning model to play Atari games
von: Freinberger, Dominik, et al.
Veröffentlicht: (2024)

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

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

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

Reinforcement learning-based architecture search for quantum machine learning
von: Rapp, Frederic, et al.
Veröffentlicht: (2024)

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

BenchRL-QAS: Benchmarking reinforcement learning algorithms for quantum architecture search
von: Ikhtiarudin, Azhar, et al.
Veröffentlicht: (2025)

Data needs and challenges for quantum dot devices automation
von: Zwolak, Justyna P., et al.
Veröffentlicht: (2023)

Tetra-AML: Automatic Machine Learning via Tensor Networks
von: Naumov, A., et al.
Veröffentlicht: (2023)

Online learning of quantum processes
von: Raza, Asad, et al.
Veröffentlicht: (2024)

Can machine learning for quantum-gas experiments be explainable?
von: Zwolak, I. B. Spielman amd J. P.
Veröffentlicht: (2026)

Digital-analog quantum learning on Rydberg atom arrays
von: Lu, Jonathan Z., et al.
Veröffentlicht: (2024)

Discovering highly efficient low-weight quantum error-correcting codes with reinforcement learning
von: He, Austin Yubo, et al.
Veröffentlicht: (2025)

On exploring the potential of quantum auto-encoder for learning quantum systems
von: Du, Yuxuan, et al.
Veröffentlicht: (2021)

Exploring the holographic entropy cone via reinforcement learning
von: He, Temple, et al.
Veröffentlicht: (2026)

Fundamentals of quantum Boltzmann machine learning with visible and hidden units
von: Wilde, Mark M.
Veröffentlicht: (2025)

Dynamical simulation via quantum machine learning with provable generalization
von: Gibbs, Joe, et al.
Veröffentlicht: (2022)

Online learning of a panoply of quantum objects
von: Bansal, Akshay, et al.
Veröffentlicht: (2024)

Opportunities and limitations of explaining quantum machine learning
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2024)

Fourier series weight in quantum machine learning
von: Atchade-Adelomou, Parfait, et al.
Veröffentlicht: (2023)

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

Noise tolerance via reinforcement: Learning a reinforced quantum dynamics
von: Ramezanpour, Abolfazl
Veröffentlicht: (2025)

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

QDFlow: A Python package for physics simulations of quantum dot devices
von: Buterakos, Donovan L., et al.
Veröffentlicht: (2025)

Understanding quantum machine learning also requires rethinking generalization
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

Robust estimation of the intrinsic dimension of data sets with quantum cognition machine learning
von: Candelori, Luca, et al.
Veröffentlicht: (2024)

Symmetry breaking in geometric quantum machine learning in the presence of noise
von: Tüysüz, Cenk, et al.
Veröffentlicht: (2024)

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

On the relation between trainability and dequantization of variational quantum learning models
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2024)

Concept learning of parameterized quantum models from limited measurements
von: Gan, Beng Yee, et al.
Veröffentlicht: (2024)

Information plane and compression-gnostic feedback in quantum machine learning
von: Haboury, Nathan, et al.
Veröffentlicht: (2024)

Variational decision diagrams for quantum-inspired machine learning applications
von: Vargas-Calderón, Vladimir, et al.
Veröffentlicht: (2025)

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