Buchumschlag

Verifiable cloud-based variational quantum algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Junhong, Wang, Banghai, Quan, Junyu, Li, Qin
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

Stochastic noise can be helpful for variational quantum algorithms
von: Liu, Junyu, et al.
Veröffentlicht: (2022)

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

Towards efficient quantum algorithms for diffusion probabilistic models
von: Wang, Yunfei, et al.
Veröffentlicht: (2025)

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

Towards provably efficient quantum algorithms for large-scale machine-learning models
von: Liu, Junyu, et al.
Veröffentlicht: (2023)

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

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

A hybrid quantum-classical conditional generative adversarial network algorithm for human-centered paradigm in cloud
von: Liu, Wenjie, et al.
Veröffentlicht: (2023)

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

Post-variational quantum neural networks
von: Huang, Po-Wei, et al.
Veröffentlicht: (2023)

Non-variational supervised quantum kernel methods: a review
von: Tanner, John, et al.
Veröffentlicht: (2026)

Explainable quantum regression algorithm with encoded data structure
von: Wang, C. -C. Joseph, et al.
Veröffentlicht: (2023)

Deep learning-based variational autoencoder for classification of quantum and classical states of light
von: Bhupati, Mahesh, et al.
Veröffentlicht: (2024)

Clustering by Contour coreset and variational quantum eigensolver
von: Yung, Canaan, et al.
Veröffentlicht: (2023)

The curse of random quantum data
von: Zhang, Kaining, et al.
Veröffentlicht: (2024)

Estimating truncation effects of quantum bosonic systems using sampling algorithms
von: Hanada, Masanori, et al.
Veröffentlicht: (2022)

Des-q: a quantum algorithm to provably speedup retraining of decision trees
von: Kumar, Niraj, et al.
Veröffentlicht: (2023)

Optimal algorithmic complexity of inference in quantum kernel methods
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2026)

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

Energy-dependent barren plateau in bosonic variational quantum circuits
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2023)

Hybrid quantum-classical algorithm for near-optimal planning in POMDPs
von: Cunha, Gilberto, et al.
Veröffentlicht: (2025)

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

Fundamental causal bounds of quantum random access memories
von: Wang, Yunfei, et al.
Veröffentlicht: (2023)

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

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

Quantum-data-driven dynamical transition in quantum learning
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2024)

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

Towards identifying possible fault-tolerant advantage of quantum linear system algorithms in terms of space, time and energy
von: Tu, Yue, et al.
Veröffentlicht: (2025)

A comprehensive review of Quantum Machine Learning: from NISQ to Fault Tolerance
von: Wang, Yunfei, et al.
Veröffentlicht: (2024)

Intrinsic preservation of plasticity in continual quantum learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

Superior resilience to poisoning and amenability to unlearning in quantum machine learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

All you need is spin: SU(2) equivariant variational quantum circuits based on spin networks
von: East, Richard D. P., et al.
Veröffentlicht: (2023)

Dynamical transition in controllable quantum neural networks with large depth
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2023)

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

Connecting phases of matter to the flatness of the loss landscape in analog variational quantum algorithms
von: Srimahajariyapong, Kasidit, et al.
Veröffentlicht: (2025)

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

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

Conservative quantum offline model-based optimization
von: Sotirov, Kristian, et al.
Veröffentlicht: (2025)

The Efficiency Frontier: Classical Shadows versus Quantum Footage
von: Ma, Shuowei, et al.
Veröffentlicht: (2025)

Experimental robustness benchmarking of quantum neural networks on a superconducting quantum processor
von: Zhang, Hai-Feng, et al.
Veröffentlicht: (2025)