Buchumschlag

Online learning of a panoply of quantum objects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bansal, Akshay, George, Ian, Ghosh, Soumik, Sikora, Jamie, Zheng, Alice
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

Breaking barriers in two-party quantum cryptography via stochastic semidefinite programming
von: Bansal, Akshay, et al.
Veröffentlicht: (2023)

Divergence Inequalities with Applications in Ergodic Theory
von: George, Ian, et al.
Veröffentlicht: (2024)

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

Impossibility of adversarial self-testing and secure sampling
von: Bansal, Akshay, et al.
Veröffentlicht: (2023)

Quantum protocols for Rabin oblivious transfer
von: Andersson, Erika, et al.
Veröffentlicht: (2025)

Building Continuous Quantum-Classical Bayesian Neural Networks for a Classical Clinical Dataset
von: Sakhnenko, Alona, et al.
Veröffentlicht: (2024)

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

Randomness compression in communication networks
von: Uchibori, Yukari, et al.
Veröffentlicht: (2026)

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

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

Local strategies are pretty good at computing Boolean properties of quantum sequences
von: Gupta, Tathagata, et al.
Veröffentlicht: (2026)

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

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

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)

Automatic re-calibration of quantum devices by reinforcement learning
von: Crosta, T., et al.
Veröffentlicht: (2024)

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

A hybrid quantum-classical algorithm for Bayes-optimal quantum state discrimination using the source code
von: Mohan, Ankith, et al.
Veröffentlicht: (2023)

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

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

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)

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

Spectral methods: crucial for machine learning, natural for quantum computers?
von: Belis, Vasilis, et al.
Veröffentlicht: (2026)

Reinforcement learning for ion shuttling on trapped-ion quantum computers
von: Schier, Maximilian, et al.
Veröffentlicht: (2026)

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

Prospects for quantum advantage in machine learning from the representability of functions
von: Masot-Llima, Sergi, et al.
Veröffentlicht: (2025)

Structured quantum learning via em algorithm for Boltzmann machines
von: Kimura, Takeshi, et al.
Veröffentlicht: (2025)

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

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

Quantum continual learning of quantum data realizing knowledge backward transfer
von: Situ, Haozhen, et al.
Veröffentlicht: (2022)

Potential and limitations of random Fourier features for dequantizing quantum machine learning
von: Sweke, Ryan, et al.
Veröffentlicht: (2023)

Dimension reduction with structure-aware quantum circuits for hybrid machine learning
von: Daskin, Ammar
Veröffentlicht: (2025)

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

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