Buchumschlag

Quantum Equilibrium Propagation: Gradient-Descent Training of Quantum Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Scellier, Benjamin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Disordered Systems and Neural Networks Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A universal approximation theorem for nonlinear resistive networks
von: Scellier, Benjamin, et al.
Veröffentlicht: (2023)

A Fast Algorithm to Simulate Nonlinear Resistive Networks
von: Scellier, Benjamin
Veröffentlicht: (2024)

Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity
von: Wanjura, Clara C., et al.
Veröffentlicht: (2024)

A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models
von: Hibat-Allah, Mohamed, et al.
Veröffentlicht: (2023)

Benchmarking a Tunable Quantum Neural Network on Trapped-Ion and Superconducting Hardware
von: Lakhdar-Hamina, Djamil, et al.
Veröffentlicht: (2025)

On the different regimes of Stochastic Gradient Descent
von: Sclocchi, Antonio, et al.
Veröffentlicht: (2023)

Dependence of Equilibrium Propagation Training Success on Network Architecture
von: Wang, Qingshan, et al.
Veröffentlicht: (2026)

Advantage of Quantum Neural Networks as Quantum Information Decoders
von: Zhong, Weishun, et al.
Veröffentlicht: (2024)

Growing Neural Networks: Dynamic Evolution through Gradient Descent
von: Radhakrishnan, Anil, et al.
Veröffentlicht: (2025)

Probing Quantum Spin Systems with Kolmogorov-Arnold Neural Network Quantum States
von: Shamim, Mahmud Ashraf, et al.
Veröffentlicht: (2025)

Geometry-Induced Long-Range Correlations in Recurrent Neural Network Quantum States
von: Ayub, Asif Bin, et al.
Veröffentlicht: (2026)

Probabilistic Computers for Neural Quantum States
von: Chowdhury, Shuvro, et al.
Veröffentlicht: (2025)

Convergence Acceleration of Markov Chain Monte Carlo-based Gradient Descent by Deep Unfolding
von: Hagiwara, Ryo, et al.
Veröffentlicht: (2024)

Transient learning dynamics drive escape from sharp valleys in Stochastic Gradient Descent
von: Yang, Ning, et al.
Veröffentlicht: (2026)

Maximum Likelihood Decoding of Quantum Error Correction Codes
von: Cao, Hanyan, et al.
Veröffentlicht: (2026)

FlowEqProp: Training Flow Matching Generative Models with Gradient Equilibrium Propagation
von: Gower, Alex
Veröffentlicht: (2026)

Quantum Next Generation Reservoir Computing: An Efficient Quantum Algorithm for Forecasting Quantum Dynamics
von: Sornsaeng, Apimuk, et al.
Veröffentlicht: (2023)

Analog Physical Systems Can Exhibit Double Descent
von: Dillavou, Sam, et al.
Veröffentlicht: (2025)

Anti-Correlated Noise in Epoch-Based Stochastic Gradient Descent: Implications for Weight Variances in Flat Directions
von: Kühn, Marcel, et al.
Veröffentlicht: (2023)

Random Matrix Theory for Stochastic Gradient Descent
von: Park, Chanju, et al.
Veröffentlicht: (2024)

Tensor Cross Interpolation of Purities in Quantum Many-Body Systems
von: Kolisnyk, Dmytro, et al.
Veröffentlicht: (2025)

Deep Neural Networks as Variational Solutions for Correlated Open Quantum Systems
von: Mellak, Johannes, et al.
Veröffentlicht: (2024)

Robust Higher-Order Hamiltonian Engineering for Quantum Sensing with Strongly Interacting Systems
von: Zhou, Hengyun, et al.
Veröffentlicht: (2023)

Geometric quantum machine learning of BQP$^A$ protocols and latent graph classifiers
von: Umeano, Chukwudubem, et al.
Veröffentlicht: (2024)

Investigating layer-selective transfer learning of QAOA parameters for Max-Cut problem
von: Venturelli, Francesco Aldo, et al.
Veröffentlicht: (2024)

Application of time-series quantum generative model to financial data
von: Okumura, Shun, et al.
Veröffentlicht: (2024)

Solving Classical and Quantum Spin Glasses with Deep Boltzmann Quantum States
von: Leone, Luca, et al.
Veröffentlicht: (2026)

Observation and Modulation of the Quantum Mpemba Effect on a Superconducting Quantum Processor
von: Xu, Yueshan, et al.
Veröffentlicht: (2025)

Generalized Probabilistic Approximate Optimization Algorithm
von: Abdelrahman, Abdelrahman S., et al.
Veröffentlicht: (2025)

Lindbladian Learning with Neural Differential Equations
von: Heightman, Timothy, et al.
Veröffentlicht: (2026)

Unlearnable phases of matter
von: Kumar, Tarun Advaith, et al.
Veröffentlicht: (2026)

Natural Quantization of Neural Networks
von: Barney, Richard, et al.
Veröffentlicht: (2025)

Physics-inspired transformer quantum states via latent imaginary-time evolution
von: Yamazaki, Kimihiro, et al.
Veröffentlicht: (2026)

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

What can we learn from quantum convolutional neural networks?
von: Umeano, Chukwudubem, et al.
Veröffentlicht: (2023)

New non-Euclidean neural quantum states from additional types of hyperbolic recurrent neural networks
von: Dao, H. L.
Veröffentlicht: (2026)

Noncooperative Quantum Networks
von: Shao, Yanxuan, et al.
Veröffentlicht: (2025)

Quantum logarithmic multifractality
von: Chen, Weitao, et al.
Veröffentlicht: (2023)

Attention-Like Hebbian Learning from Quantum Probability Flow and Quantum-Annealer Tests
von: Ohzeki, Masayuki
Veröffentlicht: (2026)

Deep Unfolded Local Quantum Annealing
von: Arai, Shunta, et al.
Veröffentlicht: (2024)