Buchumschlag

Enhancing the Trainability of Variational Quantum Circuits with Regularization Strategies

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhuang, Jun, Cunningham, Jack, Guan, Chaowen
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

Investigating and Mitigating Barren Plateaus in Variational Quantum Circuits: A Survey
von: Cunningham, Jack, et al.
Veröffentlicht: (2024)

Large Language Models Can Help Mitigate Barren Plateaus in Quantum Neural Networks
von: Zhuang, Jun, et al.
Veröffentlicht: (2025)

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

Enhancing Circuit Trainability with Selective Gate Activation Strategy
von: Cho, Jeihee, et al.
Veröffentlicht: (2025)

Quantum Non-Linear Bandit Optimization
von: Siam, Zakaria Shams, et al.
Veröffentlicht: (2025)

Trainability Beyond Linearity in Variational Quantum Objectives
von: Ma, Gordon, et al.
Veröffentlicht: (2026)

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

Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
von: Meng, Qingyu, et al.
Veröffentlicht: (2026)

Adversarial Effects on Expressibility and Trainability in Distributed Variational Quantum Algorithms
von: Sadhu, Abhishek, et al.
Veröffentlicht: (2026)

Can Error Mitigation Improve Trainability of Noisy Variational Quantum Algorithms?
von: Wang, Samson, et al.
Veröffentlicht: (2021)

Reinforcement Learning for Variational Quantum Circuits Design
von: Foderà, Simone, et al.
Veröffentlicht: (2024)

Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Active Learning with Variational Quantum Circuits for Quantum Process Tomography
von: Yang, Jiaqi, et al.
Veröffentlicht: (2024)

Quantum Hierarchical Reinforcement Learning via Variational Quantum Circuits
von: Lee, Yu-Ting, et al.
Veröffentlicht: (2026)

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2024)

Sequential learning on a Tensor Network Born machine with Trainable Token Embedding
von: Hou, Wanda, et al.
Veröffentlicht: (2023)

Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2023)

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

Physics-Informed Bayesian Optimization of Variational Quantum Circuits
von: Nicoli, Kim A., et al.
Veröffentlicht: (2024)

Fourier Analysis of Variational Quantum Circuits for Supervised Learning
von: Wiedmann, Marco, et al.
Veröffentlicht: (2024)

Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2026)

Modeling Quantum Autoencoder Trainable Kernel for IoT Anomaly Detection
von: Chandrasekhar, Swathi, et al.
Veröffentlicht: (2025)

Qubit-Wise Architecture Search Method for Variational Quantum Circuits
von: Chen, Jialin, et al.
Veröffentlicht: (2024)

Quantum Graph Attention Networks: Trainable Quantum Encoders for Inductive Graph Learning
von: Faria, Arthur M., et al.
Veröffentlicht: (2025)

Formal Verification of Variational Quantum Circuits
von: Assolini, Nicola, et al.
Veröffentlicht: (2025)

Variational Quantum Circuits Enhanced Generative Adversarial Network
von: Shu, Runqiu, et al.
Veröffentlicht: (2024)

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

QAdaPrune: Adaptive Parameter Pruning For Training Variational Quantum Circuits
von: Kulshrestha, Ankit, et al.
Veröffentlicht: (2024)

Transfer Learning Analysis of Variational Quantum Circuits
von: Tseng, Huan-Hsin, et al.
Veröffentlicht: (2025)

Investigating the Lottery Ticket Hypothesis for Variational Quantum Circuits
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

Breaking Through Barren Plateaus: Reinforcement Learning Initializations for Deep Variational Quantum Circuits
von: Peng, Yifeng, et al.
Veröffentlicht: (2025)

Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits
von: Zhang, Kaining, et al.
Veröffentlicht: (2022)

Trainability issues in quantum policy gradients
von: Sequeira, André, et al.
Veröffentlicht: (2024)

Adaptive H-EFT-VA: A Provably Safe Trajectory Through the Trainability-Expressibility Landscape of Variational Quantum Algorithms
von: Hamid, Eyad I. B.
Veröffentlicht: (2026)

Hybrid Quantum--Classical Machine Learning Potential with Variational Quantum Circuits
von: Willow, Soohaeng Yoo, et al.
Veröffentlicht: (2025)

Training Variational Quantum Circuits Using Particle Swarm Optimization
von: Mordacci, Marco, et al.
Veröffentlicht: (2025)

A Study on Optimization Techniques for Variational Quantum Circuits in Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

FlowQ-Net: A Generative Framework for Automated Quantum Circuit Design
von: Dai, Jun, et al.
Veröffentlicht: (2025)

Enhancing the Dynamic Range of Quantum Sensing via Quantum Circuit Learning
von: Kawaguchi, Hideaki, et al.
Veröffentlicht: (2025)

Evaluating Parameter-Based Training Performance of Neural Networks and Variational Quantum Circuits
von: Kölle, Michael, et al.
Veröffentlicht: (2025)