Trainability maximization using estimation of distribution algorithms assisted by surrogate modelling for quantum architecture search

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Soloviev, Vicente P., Dunjko, Vedran, Bielza, Concha, Larrañaga, Pedro, Wang, Hao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Curriculum reinforcement learning for quantum architecture search under hardware errors
von: Patel, Yash J., et al.
Veröffentlicht: (2024)

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

Parameterized quantum circuits as universal generative models for continuous multivariate distributions
von: Barthe, Alice, et al.
Veröffentlicht: (2024)

Exponential quantum advantages in learning quantum observables from classical data
von: Molteni, Riccardo, et al.
Veröffentlicht: (2024)

Universality and kernel-adaptive training for classically trained, quantum-deployed generative models
von: Kurkin, Andrii, et al.
Veröffentlicht: (2025)

Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver
von: Shi, Chenyu, et al.
Veröffentlicht: (2025)

Universality of Classically Trainable, Quantum-Deployed Boson-Sampling Generative Models
von: Kurkin, Andrii, et al.
Veröffentlicht: (2026)

Machine learning with minimal use of quantum computers: Provable advantages in Learning Under Quantum Privileged Information (LUQPI)
von: Bokov, Vasily, et al.
Veröffentlicht: (2026)

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

On the expressivity of embedding quantum kernels
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

Improved separation between quantum and classical computers for sampling and functional tasks
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Multiple-basis representation of quantum states
von: Pérez-Salinas, Adrián, et al.
Veröffentlicht: (2024)

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

Detecting underdetermination in parameterized quantum circuits
von: Kempkes, Marie, et al.
Veröffentlicht: (2025)

Universal approximation of continuous functions with minimal quantum circuits
von: Pérez-Salinas, Adrián, et al.
Veröffentlicht: (2024)

On Bounded Advice Classes
von: Marshall, Simon, et al.
Veröffentlicht: (2024)

Note on the Universality of Parameterized IQP Circuits with Hidden Units for Generating Probability Distributions
von: Kurkin, Andrii, et al.
Veröffentlicht: (2025)

Quantum machine learning advantages beyond hardness of evaluation
von: Molteni, Riccardo, et al.
Veröffentlicht: (2025)

Bandwidth Selectors on Semiparametric Bayesian Networks
von: Alejandre, Victor, et al.
Veröffentlicht: (2025)

Transfer learning for nonparametric Bayesian networks
von: Sojo, Rafael, et al.
Veröffentlicht: (2026)

A quantum information theoretic analysis of reinforcement learning-assisted quantum architecture search
von: Sadhu, Abhishek, et al.
Veröffentlicht: (2024)

Testing the presence of balanced and bipartite components in a sparse graph is QMA1-hard
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2024)

Approximation and Generalization Capacities of Parametrized Quantum Circuits for Functions in Sobolev Spaces
von: Manzano, Alberto, et al.
Veröffentlicht: (2023)

Error and Resource Estimates of Variational Quantum Algorithms for Solving Differential Equations Based on Runge-Kutta Methods
von: Dechant, David, et al.
Veröffentlicht: (2024)

Distributed quantum architecture search
von: Situ, Haozhen, et al.
Veröffentlicht: (2024)

Large-scale portfolio optimization using Pauli Correlation Encoding
von: Soloviev, Vicente P., et al.
Veröffentlicht: (2025)

Binned semiparametric Bayesian networks for efficient kernel density estimation
von: Sojo, Rafael, et al.
Veröffentlicht: (2025)

Shadows of quantum machine learning
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

Quantum Advantage in Learning Quantum Dynamics via Fourier coefficient extraction
von: Barthe, Alice, et al.
Veröffentlicht: (2025)

Actionable Counterfactual Explanations Using Bayesian Networks and Path Planning with Applications to Environmental Quality Improvement
von: Valero-Leal, Enrique, et al.
Veröffentlicht: (2025)

Variational Quantum Generative Modeling by Sampling Expectation Values of Tunable Observables
von: Shen, Kevin, et al.
Veröffentlicht: (2024)

An RNN-policy gradient approach for quantum architecture search
von: Wang, Gang, et al.
Veröffentlicht: (2024)

Distributed quantum architecture search using multi-agent reinforcement learning
von: Sergeev, Mikhail, et al.
Veröffentlicht: (2025)

Distributed exact multi-objective quantum search algorithm
von: Li, Hao, et al.
Veröffentlicht: (2024)

A parallel and distributed fixed-point quantum search algorithm for solving SAT problems
von: Wang, He, et al.
Veröffentlicht: (2026)

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

Quantum Learning of Classical Correlations with continuous-domain Pauli Correlation Encoding
von: Soloviev, Vicente P., et al.
Veröffentlicht: (2026)

Explicit quantum surrogates for quantum kernel models
von: Nakayama, Akimoto, et al.
Veröffentlicht: (2024)

BenchRL-QAS: Benchmarking reinforcement learning algorithms for quantum architecture search
von: Ikhtiarudin, Azhar, et al.
Veröffentlicht: (2025)