Buchumschlag

Variational decision diagrams for quantum-inspired machine learning applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vargas-Calderón, Vladimir, Acevedo-Mancera, Santiago, Vinck-Posada, Herbert
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Empirical Study of Quantum Dynamics as a Ground State Problem with Neural Quantum States
von: Vargas-Calderón, Vladimir, et al.
Veröffentlicht: (2022)

MEMO-QCD: Quantum Density Estimation through Memetic Optimisation for Quantum Circuit Design
von: Ardila-García, Juan E., et al.
Veröffentlicht: (2024)

Arbitrary state preparation in quantum harmonic oscillators using neural networks
von: Parra-A, Nicolas, et al.
Veröffentlicht: (2025)

Quantum Deep Sets and Sequences
von: Vargas-Calderón, Vladimir
Veröffentlicht: (2025)

Ultra-low latency quantum-inspired machine learning predictors implemented on FPGA
von: Borella, Lorenzo, et al.
Veröffentlicht: (2024)

Quantum-inspired tensor networks in machine learning models
von: Valverde, Guillermo, et al.
Veröffentlicht: (2026)

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

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

Opportunities and limitations of explaining quantum machine learning
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2024)

Can machine learning for quantum-gas experiments be explainable?
von: Zwolak, I. B. Spielman amd J. P.
Veröffentlicht: (2026)

Shadows of quantum machine learning
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

Understanding quantum machine learning also requires rethinking generalization
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

Superior resilience to poisoning and amenability to unlearning in quantum machine learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

Prospects for quantum advantage in machine learning from the representability of functions
von: Masot-Llima, Sergi, et al.
Veröffentlicht: (2025)

Structured quantum learning via em algorithm for Boltzmann machines
von: Kimura, Takeshi, et al.
Veröffentlicht: (2025)

Symmetry breaking in geometric quantum machine learning in the presence of noise
von: Tüysüz, Cenk, et al.
Veröffentlicht: (2024)

A general learning scheme for classical and quantum Ising machines
von: Schmid, Ludwig, et al.
Veröffentlicht: (2023)

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

Benchmarking quantum machine learning kernel training for classification tasks
von: Alvarez-Estevez, Diego
Veröffentlicht: (2024)

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

Information plane and compression-gnostic feedback in quantum machine learning
von: Haboury, Nathan, et al.
Veröffentlicht: (2024)

Blind quantum machine learning with quantum bipartite correlator
von: Li, Changhao, et al.
Veröffentlicht: (2023)

Dimension reduction with structure-aware quantum circuits for hybrid machine learning
von: Daskin, Ammar
Veröffentlicht: (2025)

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

The role of data-induced randomness in quantum machine learning classification tasks
von: Casas, Berta, et al.
Veröffentlicht: (2024)

A semi-agnostic ansatz with variable structure for quantum machine learning
von: Bilkis, M., et al.
Veröffentlicht: (2021)

The interplay of robustness and generalization in quantum machine learning
von: Berberich, Julian, et al.
Veröffentlicht: (2025)

Training-efficient density quantum machine learning
von: Coyle, Brian, et al.
Veröffentlicht: (2024)

On fundamental aspects of quantum extreme learning machines
von: Xiong, Weijie, et al.
Veröffentlicht: (2023)

Towards provably efficient quantum algorithms for large-scale machine-learning models
von: Liu, Junyu, et al.
Veröffentlicht: (2023)

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

Robust estimation of the intrinsic dimension of data sets with quantum cognition machine learning
von: Candelori, Luca, et al.
Veröffentlicht: (2024)

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

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

Learning with Density Matrices and Random Features
von: González, Fabio A., et al.
Veröffentlicht: (2021)

Bridging quantum and classical computing for partial differential equations through multifidelity machine learning
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Bayesian quantum sensing using graybox machine learning
von: Youssry, Akram, et al.
Veröffentlicht: (2026)

Photovoltaic power forecasting using quantum machine learning
von: Sagingalieva, Asel, et al.
Veröffentlicht: (2023)

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

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