Buchumschlag

Trade-off between Gradient Measurement Efficiency and Expressivity in Deep Quantum Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chinzei, Koki, Yamano, Shinichiro, Tran, Quoc Hoan, Endo, Yasuhiro, Oshima, Hirotaka
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

Latent-Conditioned Parameterized Quantum Circuits as Universal Approximators for Distributions over Quantum States
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Universality of Many-body Projected Ensemble for Learning Quantum Data Distribution
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Resource-efficient equivariant quantum convolutional neural networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Iterative Quantum Feature Maps
von: Matsumoto, Nasa, et al.
Veröffentlicht: (2025)

Learning quantum many-body data locally: A provably scalable framework
von: Chinzei, Koki, et al.
Veröffentlicht: (2025)

Splitting and Parallelizing of Quantum Convolutional Neural Networks for Learning Translationally Symmetric Data
von: Chinzei, Koki, et al.
Veröffentlicht: (2023)

Quantum Curriculum Learning
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2024)

Iterative Quantum Feature Maps
von: Nasa Matsumoto, et al.
Veröffentlicht: (2026)

Molecular Quantum Transformer
von: Kamata, Yuichi, et al.
Veröffentlicht: (2025)

Extending echo state property for quantum reservoir computing
von: Kobayashi, Shumpei, et al.
Veröffentlicht: (2024)

Coherence influx is indispensable for quantum reservoir computing
von: Kobayashi, Shumpei, et al.
Veröffentlicht: (2024)

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

Enhancing Expressivity of Quantum Neural Networks Based on the SWAP test
von: Nagies, Sebastian, et al.
Veröffentlicht: (2025)

Unleashing the Expressive Power of Pulse-Based Quantum Neural Networks
von: Tao, Han-Xiao, et al.
Veröffentlicht: (2024)

Scalable Quantum-Inspired Optimization through Dynamic Qubit Compression
von: Tran, Co, et al.
Veröffentlicht: (2024)

Exponential Improvement on Asian Option Pricing Through Quantum Preconditioning Methods
von: Rendon, Gumaro, et al.
Veröffentlicht: (2025)

Maximising Quantum-Computing Expressive Power through Randomised Circuits
von: Yang, Yingli, et al.
Veröffentlicht: (2023)

Quantum Re-Uploading for Calorimetry: Optimized Architectures with Extended Expressivity
von: Cassé, Léa, et al.
Veröffentlicht: (2024)

Deep Quantum Graph Dreaming: Deciphering Neural Network Insights into Quantum Experiments
von: Jaouni, Tareq, et al.
Veröffentlicht: (2023)

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

On the Interpretability of Quantum Neural Networks
von: Pira, Lirandë, et al.
Veröffentlicht: (2023)

Deep Neural Network Emulation of the Quantum-Classical Transition via Learned Wigner Function Dynamics
von: Majid, Kamran
Veröffentlicht: (2025)

Quantum HyperNetworks: Training Binary Neural Networks in Quantum Superposition
von: Carrasquilla, Juan, et al.
Veröffentlicht: (2023)

Dataset Distillation for Quantum Neural Networks
von: Phalak, Koustubh, et al.
Veröffentlicht: (2025)

Theory for Equivariant Quantum Neural Networks
von: Nguyen, Quynh T., et al.
Veröffentlicht: (2022)

Stochastic Neural Networks for Quantum Devices
von: Rosenhahn, Bodo, et al.
Veröffentlicht: (2026)

Using Quantum Solved Deep Boltzmann Machines to Increase the Data Efficiency of RL Agents
von: Kent, Daniel, et al.
Veröffentlicht: (2024)

QFDNN: A Resource-Efficient Variational Quantum Feature Deep Neural Networks for Fraud Detection and Loan Prediction
von: Das, Subham, et al.
Veröffentlicht: (2025)

Q-Newton: Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent
von: Li, Pingzhi, et al.
Veröffentlicht: (2024)

Learning to Measure Quantum Neural Networks
von: Chen, Samuel Yen-Chi, et al.
Veröffentlicht: (2025)

Coherent Feed Forward Quantum Neural Network
von: Singh, Utkarsh, et al.
Veröffentlicht: (2024)

Fragmentation is Efficiently Learnable by Quantum Neural Networks
von: Mints, Mikhail, et al.
Veröffentlicht: (2025)

The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2022)

Performance Analysis of Quantum Support Vector Classifiers and Quantum Neural Networks
von: Villalba-Ferreiro, Tomás, et al.
Veröffentlicht: (2025)

Quantum Interval Bound Propagation for Certified Training of Quantum Neural Networks
von: Andrews, Emma, et al.
Veröffentlicht: (2026)

On Quantum Natural Policy Gradients
von: Sequeira, André, et al.
Veröffentlicht: (2024)

ResQuNNs: Towards Enabling Deep Learning in Quantum Convolution Neural Networks
von: Kashif, Muhammad, et al.
Veröffentlicht: (2024)

Accelerating Inference for Multilayer Neural Networks with Quantum Computers
von: Rattew, Arthur G., et al.
Veröffentlicht: (2025)

WSBD: Freezing-Based Optimizer for Quantum Neural Networks
von: Kverne, Christopher, et al.
Veröffentlicht: (2026)