Buchumschlag

Predicting adaptively chosen observables in quantum systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Jerry, Lewis, Laura, Huang, Hsin-Yuan, Preskill, John
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

Certifying almost all quantum states with few single-qubit measurements
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2024)

Improved machine learning algorithm for predicting ground state properties
von: Lewis, Laura, et al.
Veröffentlicht: (2023)

Towards sample-optimal learning of bosonic Gaussian quantum states
von: Chen, Senrui, et al.
Veröffentlicht: (2026)

Predicting quantum channels over general product distributions
von: Chen, Sitan, et al.
Veröffentlicht: (2024)

Learning quantum states and unitaries of bounded gate complexity
von: Zhao, Haimeng, et al.
Veröffentlicht: (2023)

Exponential quantum advantage in processing massive classical data
von: Zhao, Haimeng, et al.
Veröffentlicht: (2026)

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

When can classical neural networks represent quantum states?
von: Yang, Tai-Hsuan, et al.
Veröffentlicht: (2024)

Generative quantum advantage for classical and quantum problems
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2025)

On quantum backpropagation, information reuse, and cheating measurement collapse
von: Abbas, Amira, et al.
Veröffentlicht: (2023)

The vast world of quantum advantage
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2025)

Dynamical simulation via quantum machine learning with provable generalization
von: Gibbs, Joe, et al.
Veröffentlicht: (2022)

Learning $k$-body Hamiltonians via compressed sensing
von: Ma, Muzhou, et al.
Veröffentlicht: (2024)

Learning shallow quantum circuits
von: Huang, Hsin-Yuan, et al.
Veröffentlicht: (2024)

The power and limitations of learning quantum dynamics incoherently
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

Continuous optimization by quantum adaptive distribution search
von: Morimoto, Kohei, et al.
Veröffentlicht: (2023)

Predicting Ground State Properties: Constant Sample Complexity and Deep Learning Algorithms
von: Wanner, Marc, et al.
Veröffentlicht: (2024)

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

Tight bounds on Pauli channel learning without entanglement
von: Chen, Senrui, et al.
Veröffentlicht: (2023)

Learning from imperfect quantum data via unsupervised domain adaptation with classical shadows
von: Ito, Kosuke, et al.
Veröffentlicht: (2026)

Beyond NISQ: The Megaquop Machine
von: Preskill, John
Veröffentlicht: (2025)

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

Agnostic Process Tomography
von: Wadhwa, Chirag, et al.
Veröffentlicht: (2024)

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

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

Concept learning of parameterized quantum models from limited measurements
von: Gan, Beng Yee, et al.
Veröffentlicht: (2024)

Mind the gaps: The fraught road to quantum advantage
von: Eisert, Jens, et al.
Veröffentlicht: (2025)

Quantum Shannon Theory
von: Preskill, John
Veröffentlicht: (2016)

Towards Heisenberg limit without critical slowing down via quantum reinforcement learning
von: Xu, Hang, et al.
Veröffentlicht: (2025)

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

Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks
von: Lee, Nayoung, et al.
Veröffentlicht: (2025)

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

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

Reinforcement learning for quantum processes with memory
von: Lumbreras, Josep, et al.
Veröffentlicht: (2026)

PALQO: Physics-informed Model for Accelerating Large-scale Quantum Optimization
von: Huang, Yiming, et al.
Veröffentlicht: (2025)

Hierarchical memories: Simulating quantum LDPC codes with local gates
von: Pattison, Christopher A., et al.
Veröffentlicht: (2023)

Learning shallow quantum circuits with many-qubit gates
von: Vasconcelos, Francisca, et al.
Veröffentlicht: (2024)

Shor's algorithm is possible with as few as 10,000 reconfigurable atomic qubits
von: Cain, Madelyn, et al.
Veröffentlicht: (2026)

Quantum Gradient Class Activation Map for Model Interpretability
von: Lin, Hsin-Yi, et al.
Veröffentlicht: (2024)

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