Buchumschlag

Quantum-data-driven dynamical transition in quantum learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Bingzhi, Liu, Junyu, Jiang, Liang, Zhuang, Quntao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Statistical Mechanics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Uncovering Quantum Many-body Scars with Quantum Machine Learning
von: Feng, Jiajin, et al.
Veröffentlicht: (2024)

Holographic deep thermalization for secure and efficient quantum random state generation
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2024)

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

Scaling Laws of Quantum Information Lifetime in Monitored Quantum Dynamics
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2025)

An Analytic Theory of Quantum Imaginary Time Evolution
von: Chen, Min, et al.
Veröffentlicht: (2025)

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

Fundamentals of quantum Boltzmann machine learning with visible and hidden units
von: Wilde, Mark M.
Veröffentlicht: (2025)

Hierarchy of discriminative power and complexity in learning quantum ensembles
von: Yao, Jian, et al.
Veröffentlicht: (2026)

Generative quantum machine learning via denoising diffusion probabilistic models
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2023)

SMT-AD: a scalable quantum-inspired anomaly detection approach
von: Sornsaeng, Apimuk, et al.
Veröffentlicht: (2026)

Mixed-State Quantum Denoising Diffusion Probabilistic Model
von: Kwun, Gino, et al.
Veröffentlicht: (2024)

Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines
von: Bhat, Ruchira V, et al.
Veröffentlicht: (2025)

Capturing reduced-order quantum many-body dynamics out of equilibrium via neural ordinary differential equations
von: Egenlauf, Patrick, et al.
Veröffentlicht: (2025)

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

Fermi-Dirac thermal measurements: A framework for quantum hypothesis testing and semidefinite optimization
von: Liu, Nana, et al.
Veröffentlicht: (2026)

Quantum Inception Score
von: Sone, Akira, et al.
Veröffentlicht: (2023)

Discovering quantum phenomena with Interpretable Machine Learning
von: de Schoulepnikoff, Paulin, et al.
Veröffentlicht: (2026)

Unique and Universal scaling in dynamical quantum phase transitions
von: Zhang, Xiang, et al.
Veröffentlicht: (2024)

Quantum Boltzmann machine learning of ground-state energies
von: Patel, Dhrumil, et al.
Veröffentlicht: (2024)

Filtering out mislabeled training instances using black-box optimization and quantum annealing
von: Otsuka, Makoto, et al.
Veröffentlicht: (2025)

Hybrid Ground-State Quantum Algorithms based on Neural Schrödinger Forging
von: de Schoulepnikoff, Paulin, et al.
Veröffentlicht: (2023)

Multi-Mode Quantum Annealing for Generative Representation Learning with Boltzmann Priors
von: Kim, Gilhan, et al.
Veröffentlicht: (2026)

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

Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states
von: Allegra, Nicolas
Veröffentlicht: (2024)

Coherence-induced deep thermalization transition in random permutation quantum dynamics
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Demonstration of Robust and Efficient Quantum Property Learning with Shallow Shadows
von: Hu, Hong-Ye, et al.
Veröffentlicht: (2024)

Learning to erase quantum states: thermodynamic implications of quantum learning theory
von: Zhao, Haimeng, et al.
Veröffentlicht: (2025)

Local Diffusion Models and Phases of Data Distributions
von: Hu, Fangjun, et al.
Veröffentlicht: (2025)

Exploring dynamical quantum phase transition from pure states to mixed states through extended Su-Schrieffer-Heeger models
von: Cao, Kaiyuan, et al.
Veröffentlicht: (2025)

Chaotic and quantum dynamics in driven-dissipative bosonic chains
von: Ferrari, Filippo, et al.
Veröffentlicht: (2024)

Quantum coherence assisted dynamical phase transition
von: Xu, Bao-Ming
Veröffentlicht: (2023)

Tensor tree learns hidden relational structures in data to construct generative models
von: Harada, Kenji, et al.
Veröffentlicht: (2024)

Mixed-state learnability transitions in monitored noisy quantum dynamics
von: Singh, Hansveer, et al.
Veröffentlicht: (2025)

Learnability transitions in monitored quantum dynamics via eavesdropper's classical shadows
von: Ippoliti, Matteo, et al.
Veröffentlicht: (2023)

Mean-field dynamics of an infinite-range interacting quantum system: chaos, dynamical phase transition, and localisation
von: Žunkovič, Bojan, et al.
Veröffentlicht: (2023)

Out-of-equilibrium dynamics across the first-order quantum transitions of one-dimensional quantum Ising models
von: Pelissetto, Andrea, et al.
Veröffentlicht: (2025)

Kibble-Zurek dynamics across the first-order quantum transitions of quantum Ising chains in the thermodynamic limit
von: Pelissetto, Andrea, et al.
Veröffentlicht: (2025)

Machine learning the effects of many quantum measurements
von: Hou, Wanda, et al.
Veröffentlicht: (2025)

Data driven modeling for self-similar dynamics
von: Tao, Ruyi, et al.
Veröffentlicht: (2023)