Buchumschlag

Inference, interference and invariance: How the Quantum Fourier Transform can help to learn from data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wakeham, David, Schuld, Maria
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

Better than classical? The subtle art of benchmarking quantum machine learning models
von: Bowles, Joseph, et al.
Veröffentlicht: (2024)

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

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

Adaptivity can help exponentially for shadow tomography
von: Chen, Sitan, et al.
Veröffentlicht: (2024)

Probabilistic modeling over permutations using quantum computers
von: Belis, Vasilis, et al.
Veröffentlicht: (2026)

Fourier series weight in quantum machine learning
von: Atchade-Adelomou, Parfait, et al.
Veröffentlicht: (2023)

$\mathcal{O}(n)$ alternative to Quantum Fourier Transform with efficient neural net classical post-processing
von: Bian, Kaiming, et al.
Veröffentlicht: (2026)

A Short History of Rocks: or, How to Invent Quantum Computing
von: Wakeham, David
Veröffentlicht: (2025)

Fourier Analysis of Variational Quantum Circuits for Supervised Learning
von: Wiedmann, Marco, et al.
Veröffentlicht: (2024)

Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning
von: Marcandelli, Paolo, et al.
Veröffentlicht: (2025)

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

Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems
von: Shah, Freya, et al.
Veröffentlicht: (2024)

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

Quantum advantage for learning shallow neural networks with natural data distributions
von: Lewis, Laura, et al.
Veröffentlicht: (2025)

Pixel-Translation-Equivariant Quantum Convolutional Neural Networks via Fourier Multiplexers
von: Chirkov, Dmitry, et al.
Veröffentlicht: (2026)

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

Quantum Vision Transformers
von: Cherrat, El Amine, et al.
Veröffentlicht: (2022)

Symmetry-invariant quantum machine learning force fields
von: Le, Isabel Nha Minh, et al.
Veröffentlicht: (2023)

Quantum Maximum Entropy Inference and Hamiltonian Learning
von: Gao, Minbo, et al.
Veröffentlicht: (2024)

Everything that can be learned about a causal structure with latent variables by observational and interventional probing schemes
von: Ansanelli, Marina Maciel, et al.
Veröffentlicht: (2024)

Fourier Series Guided Design of Quantum Convolutional Neural Networks for Enhanced Time Series Forecasting
von: Osorio, Sandra Leticia Juárez, et al.
Veröffentlicht: (2024)

Quantum Temporal Fusion Transformer
von: Barik, Krishnakanta, et al.
Veröffentlicht: (2025)

Quantum Adaptive Self-Attention for Quantum Transformer Models
von: Chen, Chi-Sheng, et al.
Veröffentlicht: (2025)

Quantum-assisted Gaussian process regression using random Fourier features
von: Galvis-Florez, Cristian A., et al.
Veröffentlicht: (2025)

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

Exponential Quantum Communication Advantage in Distributed Inference and Learning
von: Gilboa, Dar, et al.
Veröffentlicht: (2023)

STIQ: Safeguarding Training and Inferencing of Quantum Neural Networks from Untrusted Cloud
von: Kundu, Satwik, et al.
Veröffentlicht: (2024)

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

The Quantum Learning Menagerie (A survey on Quantum learning for Classical concepts)
von: Chatterjee, Sagnik
Veröffentlicht: (2026)

Quantum reinforcement learning in continuous action space
von: Wu, Shaojun, et al.
Veröffentlicht: (2020)

Quantum Embedding with Transformer for High-dimensional Data
von: Chen, Hao-Yuan, et al.
Veröffentlicht: (2024)

Tensor network to learn the wavefunction of data
von: Dymarsky, Anatoly, et al.
Veröffentlicht: (2021)

Quantum feature-map learning with reduced resource overhead
von: Jäger, Jonas, et al.
Veröffentlicht: (2025)

Quantum-Classical Machine learning by Hybrid Tensor Networks
von: Liu, Ding, et al.
Veröffentlicht: (2020)

Quantum approximate optimization via learning-based adaptive optimization
von: Cheng, Lixue, et al.
Veröffentlicht: (2023)

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

Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics
von: Chen, Chi-Sheng, et al.
Veröffentlicht: (2025)

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

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

The Structure and Interpretation of Quantum Programs I: Foundations
von: Wakeham, David
Veröffentlicht: (2025)