:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bhupati, Mahesh, Mall, Abhishek, Kumar, Anshuman, Jha, Pankaj K.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Machine Learning Computational Physics
Online-Zugang:	https://arxiv.org/abs/2405.05243
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Interpretable representation learning of quantum data enabled by probabilistic variational autoencoders
von: de Schoulepnikoff, Paulin, et al.
Veröffentlicht: (2025)

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

Error mitigation of entangled states using brainbox quantum autoencoders
von: Pazem, Joséphine, et al.
Veröffentlicht: (2023)

Quantum neural networks facilitating quantum state classification
von: Sharma, Diksha, et al.
Veröffentlicht: (2025)

Learning quantum symmetries with interactive quantum-classical variational algorithms
von: Lu, Jonathan Z., et al.
Veröffentlicht: (2022)

Qiskit Machine Learning: an open-source library for quantum machine learning tasks at scale on quantum hardware and classical simulators
von: Sahin, M. Emre, et al.
Veröffentlicht: (2025)

Comparing concepts of quantum and classical neural network models for image classification task
von: Potempa, Rafal, et al.
Veröffentlicht: (2021)

Minimizing classical resources in variational measurement-based quantum computation for generative modeling
von: Majumder, Arunava, et al.
Veröffentlicht: (2026)

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

A general learning scheme for classical and quantum Ising machines
von: Schmid, Ludwig, et al.
Veröffentlicht: (2023)

Parallel hybrid quantum-classical machine learning for kernelized time-series classification
von: Baker, Jack S., et al.
Veröffentlicht: (2023)

Hybrid quantum image classification and federated learning for hepatic steatosis diagnosis
von: Lusnig, Luca, et al.
Veröffentlicht: (2023)

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

Improved machine learning algorithm for predicting ground state properties
von: Lewis, Laura, et al.
Veröffentlicht: (2023)

Better than classical? The subtle art of benchmarking quantum machine learning models
von: Bowles, Joseph, et al.
Veröffentlicht: (2024)

The role of data-induced randomness in quantum machine learning classification tasks
von: Casas, Berta, et al.
Veröffentlicht: (2024)

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

Symmetry-invariant quantum machine learning force fields
von: Le, Isabel Nha Minh, et al.
Veröffentlicht: (2023)

Bridging quantum and classical computing for partial differential equations through multifidelity machine learning
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

On the explainability of quantum neural networks based on variational quantum circuits
von: Daskin, Ammar
Veröffentlicht: (2023)

Verifiable cloud-based variational quantum algorithms
von: Yang, Junhong, et al.
Veröffentlicht: (2024)

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

Generative quantum advantage for classical and quantum problems
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2025)

Quantum machine learning for image classification
von: Senokosov, Arsenii, et al.
Veröffentlicht: (2023)

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

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

Meta-learning characteristics and dynamics of quantum systems
von: Schorling, Lucas, et al.
Veröffentlicht: (2025)

QGAN-based data augmentation for hybrid quantum-classical neural networks
von: He, Run-Ze, et al.
Veröffentlicht: (2025)

Generative flow-based warm start of the variational quantum eigensolver
von: Zou, Hang, et al.
Veröffentlicht: (2025)

Self-Adaptive Physics-Informed Quantum Machine Learning for Solving Differential Equations
von: Setty, Abhishek, et al.
Veröffentlicht: (2023)

Reinforcement learning-assisted quantum architecture search for variational quantum algorithms
von: Kundu, Akash
Veröffentlicht: (2024)

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

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

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

When can classical neural networks represent quantum states?
von: Yang, Tai-Hsuan, et al.
Veröffentlicht: (2024)

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

Learning to erase quantum states: thermodynamic implications of quantum learning theory
von: Zhao, Haimeng, et al.
Veröffentlicht: (2025)

Exponential separations between classical and quantum learners
von: Gyurik, Casper, et al.
Veröffentlicht: (2023)

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

Testing classical properties from quantum data
von: Caro, Matthias C., et al.
Veröffentlicht: (2024)