Buchumschlag

When can classical neural networks represent quantum states?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Tai-Hsuan, Soleimanifar, Mehdi, Bergamaschi, Thiago, Preskill, John
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Strongly Correlated Electrons Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Seeding neural network quantum states with tensor network states
von: Kaneko, Ryui, et al.
Veröffentlicht: (2025)

On fault tolerant single-shot logical state preparation and robust long-range entanglement
von: Bergamaschi, Thiago, et al.
Veröffentlicht: (2024)

Tensor networks and efficient descriptions of classical data
von: Lu, Sirui, et al.
Veröffentlicht: (2021)

Fermionic neural Gibbs states
von: Nys, Jannes, et al.
Veröffentlicht: (2025)

Generalized Lanczos method for systematic optimization of neural-network quantum states
von: Wang, Jia-Qi, et al.
Veröffentlicht: (2025)

Learning topological states from randomized measurements using variational tensor network tomography
von: Teng, Yanting, et al.
Veröffentlicht: (2024)

Variational optimization of the amplitude of neural-network quantum many-body ground states
von: Wang, Jia-Qi, et al.
Veröffentlicht: (2023)

Efficiency of neural quantum states in light of the quantum geometric tensor
von: Dash, Sidhartha, et al.
Veröffentlicht: (2024)

Approximately-symmetric neural networks for quantum spin liquids
von: Kufel, Dominik S., et al.
Veröffentlicht: (2024)

Scalable quantum dynamics compilation via quantum machine learning
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2024)

Representational power of selected neural network quantum states in second quantization
von: Li, Zhendong, et al.
Veröffentlicht: (2025)

Expressibility of neural quantum states: a Walsh-complexity perspective
von: Wang, Taige
Veröffentlicht: (2026)

Who can compete with quantum computers? Lecture notes on quantum inspired tensor networks computational techniques
von: Waintal, Xavier, et al.
Veröffentlicht: (2026)

Polynomially efficient quantum enabled variational Monte Carlo for training neural-network quantum states for physico-chemical applications
von: Sajjan, Manas, et al.
Veröffentlicht: (2024)

Continuous-time parametrization of neural quantum states for quantum dynamics
von: Wang, Dingzu, et al.
Veröffentlicht: (2025)

Estimating classical mutual information between quantum subsystems with neural networks
von: Konyshev, D. A., et al.
Veröffentlicht: (2025)

Hunting for quantum-classical crossover in condensed matter problems
von: Yoshioka, Nobuyuki, et al.
Veröffentlicht: (2022)

Comparative study on compact quantum circuits of hybrid quantum-classical algorithms for quantum impurity models
von: Sakurai, Rihito, et al.
Veröffentlicht: (2023)

Ground state phases of the two-dimension electron gas with a unified variational approach
von: Smith, Conor, et al.
Veröffentlicht: (2024)

Resource assessment of classical and quantum hardware for post-quench dynamics
von: Vovrosh, Joseph, et al.
Veröffentlicht: (2025)

Prolonging a discrete time crystal by quantum-classical feedback
von: Camacho, Gonzalo, et al.
Veröffentlicht: (2023)

Tensor Computing Interface: An Application-Oriented, Lightweight Interface for Portable High-Performance Tensor Network Applications
von: Sun, Rong-Yang, et al.
Veröffentlicht: (2025)

Improving neural network performance for solving quantum sign structure
von: Ou, Xiaowei, et al.
Veröffentlicht: (2025)

Machine learning discovery of new phases in programmable quantum simulator snapshots
von: Miles, Cole, et al.
Veröffentlicht: (2021)

Tree tensor network states represent low-energy states faithfully
von: Barthel, Thomas
Veröffentlicht: (2025)

Reconstruction of classical skyrmions from Anderson towers: quantum Darwinism in action
von: Sotnikov, O. M., et al.
Veröffentlicht: (2022)

Quantum chaos in the sparse SYK model
von: Orman, Patrick, et al.
Veröffentlicht: (2024)

Spin-echo and quantum versus classical critical fluctuations in TmVO$_4$
von: Nian, Y-H., et al.
Veröffentlicht: (2023)

Hybrid tensor network and neural network quantum states for quantum chemistry
von: Wu, Zibo, et al.
Veröffentlicht: (2025)

Graph neural network force fields for adiabatic dynamics of lattice Hamiltonians
von: Fan, Yunhao, et al.
Veröffentlicht: (2026)

Scalable simulation of non-equilibrium quantum dynamics via classically optimised unitary circuits
von: Causer, Luke, et al.
Veröffentlicht: (2023)

Solving The Quantum Many-Body Hamiltonian Learning Problem with Neural Differential Equations
von: Heightman, Timothy, et al.
Veröffentlicht: (2024)

Derandomized shallow shadows: Efficient Pauli learning with bounded-depth circuits
von: Van Kirk, Katherine, et al.
Veröffentlicht: (2024)

Adiabatic Encoding of Pre-trained MPS Classifiers into Quantum Circuits
von: Murota, Keisuke
Veröffentlicht: (2025)

Predicting fermionic densities using a Projected Quantum Kernel method
von: Perciavalle, Francesco, et al.
Veröffentlicht: (2025)

Neural Quantum States in Mixed Precision
von: Solinas, Massimo, et al.
Veröffentlicht: (2026)

Learning Minimal Representations of Fermionic Ground States
von: Frohnert, Felix, et al.
Veröffentlicht: (2025)

Persistent Ballistic Entanglement Spreading with Optimal Control in Quantum Spin Chains
von: Lu, Ying, et al.
Veröffentlicht: (2023)

Measurement-based quantum computation from Clifford quantum cellular automata
von: Nautrup, Hendrik Poulsen, et al.
Veröffentlicht: (2023)

Topological Mixed States: Phases of Matter from Axiomatic Approaches
von: Yang, Tai-Hsuan, et al.
Veröffentlicht: (2025)