Buchumschlag

MG-Net: Learn to Customize QAOA with Circuit Depth Awareness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Yang, Wang, Xinbiao, Du, Yuxuan, Luo, Yong, Tao, Dacheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem
von: Wang, Xinbiao, et al.
Veröffentlicht: (2024)

Transition Role of Entangled Data in Quantum Machine Learning
von: Wang, Xinbiao, et al.
Veröffentlicht: (2023)

Quantum Machine Learning: A Hands-on Tutorial for Machine Learning Practitioners and Researchers
von: Du, Yuxuan, et al.
Veröffentlicht: (2025)

Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors
von: Liao, Wei-You, et al.
Veröffentlicht: (2025)

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits
von: Du, Yuxuan, et al.
Veröffentlicht: (2024)

Reinforcement Learning Assisted Recursive QAOA
von: Patel, Yash J., et al.
Veröffentlicht: (2022)

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

UDiTQC: U-Net-Style Diffusion Transformer for Quantum Circuit Synthesis
von: Chen, Zhiwei, et al.
Veröffentlicht: (2025)

Artificial intelligence for representing and characterizing quantum systems
von: Du, Yuxuan, et al.
Veröffentlicht: (2025)

Rethink the Role of Neural Decoders in Quantum Error Correction
von: Yan, Ge, et al.
Veröffentlicht: (2026)

Transfer Learning Analysis of Variational Quantum Circuits
von: Tseng, Huan-Hsin, et al.
Veröffentlicht: (2025)

AiDE-Q: Synthetic Labeled Datasets Can Enhance Learning Models for Quantum Property Estimation
von: Wang, Xinbiao, et al.
Veröffentlicht: (2025)

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2024)

Quantum Circuit-Based Learning Models: Bridging Quantum Computing and Machine Learning
von: Fan, Fan, et al.
Veröffentlicht: (2026)

Optimizing Variational Quantum Circuits Using Metaheuristic Strategies in Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

A Study on Optimization Techniques for Variational Quantum Circuits in Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis
von: Giordano, Sara, et al.
Veröffentlicht: (2025)

Quantum Circuit Pre-Synthesis: Learning Local Edits to Reduce $T$-count
von: Bosco, Daniele Lizzio, et al.
Veröffentlicht: (2026)

Investigation of Automated Design of Quantum Circuits for Imaginary Time Evolution Methods Using Deep Reinforcement Learning
von: Suzuki, Ryo, et al.
Veröffentlicht: (2026)

Sample-efficient quantum error mitigation via classical learning surrogates
von: Liao, Wei-You, et al.
Veröffentlicht: (2025)

Investigating the Lottery Ticket Hypothesis for Variational Quantum Circuits
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

AI Methods for Permutation Circuit Synthesis Across Generic Topologies
von: Villar, Victor, et al.
Veröffentlicht: (2025)

Embedding-Aware Quantum-Classical SVMs for Scalable Quantum Machine Learning
von: Ordóñez, Sebastián Andrés Cajas, et al.
Veröffentlicht: (2025)

Evaluating Parameter-Based Training Performance of Neural Networks and Variational Quantum Circuits
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

A Geometric-Aware Perspective and Beyond: Hybrid Quantum-Classical Machine Learning Methods
von: Alavia, Azadeh, et al.
Veröffentlicht: (2025)

QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation
von: Zheng, Kangyu, et al.
Veröffentlicht: (2025)

Infeasibility Aware Large Language Models for Combinatorial Optimization
von: Wang, Yakun, et al.
Veröffentlicht: (2026)

A Hybrid Quantum-Classical Framework for Financial Volatility Forecasting Based on Quantum Circuit Born Machines
von: Chen, Yixiong
Veröffentlicht: (2026)

Implementing Pearl's $\mathcal{DO}$-Calculus on Quantum Circuits: A Simpson-Type Case Study on NISQ Hardware
von: Kang, Pilsung
Veröffentlicht: (2025)

QuantumNAT: Quantum Noise-Aware Training with Noise Injection, Quantization and Normalization
von: Wang, Hanrui, et al.
Veröffentlicht: (2021)

Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach
von: Xu, Yang, et al.
Veröffentlicht: (2025)

QAOA-GPT: Efficient Generation of Adaptive and Regular Quantum Approximate Optimization Algorithm Circuits
von: Tyagin, Ilya, et al.
Veröffentlicht: (2025)

AQER: a scalable and efficient data loader for digital quantum computers
von: Zhang, Kaining, et al.
Veröffentlicht: (2026)

Breaking QAOA's Fixed Target Hamiltonian Barrier: A Fully Connected Quantum Boltzmann Machine via Bilevel Optimization
von: Liu, Jun
Veröffentlicht: (2026)

Variational Quantum Circuits Enhanced Generative Adversarial Network
von: Shu, Runqiu, et al.
Veröffentlicht: (2024)

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

KetGPT - Dataset Augmentation of Quantum Circuits using Transformers
von: Apak, Boran, et al.
Veröffentlicht: (2024)

Q-fid: Quantum Circuit Fidelity Improvement with LSTM Networks
von: Mao, Yikai, et al.
Veröffentlicht: (2023)

Learning from models beyond fine-tuning
von: Zheng, Hongling, et al.
Veröffentlicht: (2023)

Scalable Community Detection Using Quantum Hamiltonian Descent and QUBO Formulation
von: Cheng, Jinglei, et al.
Veröffentlicht: (2024)