Buchumschlag

Train on classical, deploy on quantum: scaling generative quantum machine learning to a thousand qubits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Recio-Armengol, Erik, Ahmed, Shahnawaz, Bowles, Joseph
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Single-shot quantum machine learning
von: Recio-Armengol, Erik, et al.
Veröffentlicht: (2024)

IQPopt: Fast optimization of instantaneous quantum polynomial circuits in JAX
von: Armengol, Erik, et al.
Veröffentlicht: (2025)

Learning complexity gradually in quantum machine learning models
von: Recio-Armengol, Erik, et al.
Veröffentlicht: (2024)

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

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

Backpropagation scaling in parameterised quantum circuits
von: Bowles, Joseph, et al.
Veröffentlicht: (2023)

Qiboml: towards the orchestration of quantum-classical machine learning
von: Robbiati, Matteo, et al.
Veröffentlicht: (2025)

Distributed quantum machine learning via classical communication
von: Hwang, Kiwmann, et al.
Veröffentlicht: (2024)

Universality and kernel-adaptive training for classically trained, quantum-deployed generative models
von: Kurkin, Andrii, et al.
Veröffentlicht: (2025)

Correcting quantum errors using a classical code and one additional qubit
von: Araki, Tenzan, et al.
Veröffentlicht: (2025)

Quantum inference on a classically trained quantum extreme learning machine
von: Brusaschi, Emanuele, et al.
Veröffentlicht: (2026)

VQE-generated quantum circuit dataset for machine learning
von: Nakayama, Akimoto, et al.
Veröffentlicht: (2023)

Realization of a programmable multi-purpose photonic quantum memory with over-thousand qubit manipulations
von: Zhang, Sheng, et al.
Veröffentlicht: (2023)

Qiskit Machine Learning: an open-source library for quantum machine learning tasks at scale on quantum hardware and classical simulators
von: Sahin, M. Emre, et al.
Veröffentlicht: (2025)

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

Quantum and classical processing with photonic quantum machine learning
von: Carreño, J. C. López, et al.
Veröffentlicht: (2026)

Parallel hybrid quantum-classical machine learning for kernelized time-series classification
von: Baker, Jack S., et al.
Veröffentlicht: (2023)

Training microwave pulses using quantum machine learning
von: Nola, Jaden, et al.
Veröffentlicht: (2024)

Entangled mixed-state datasets generation by quantum machine learning
von: Xu, Ruibin, et al.
Veröffentlicht: (2025)

Universal replication of chaotic characteristics by classical and quantum machine learning
von: Bai, Sheng-Chen, et al.
Veröffentlicht: (2024)

IQP Born Machines under Data-dependent and Agnostic Initialization Strategies
von: Lerch, Sacha, et al.
Veröffentlicht: (2026)

Design and execution of quantum circuits using tens of superconducting qubits and thousands of gates for dense Ising optimization problems
von: Maciejewski, Filip B., et al.
Veröffentlicht: (2023)

Gradient-descent methods for fast quantum state tomography
von: Gaikwad, Akshay, et al.
Veröffentlicht: (2025)

Comparing quantum and classical finite state generators
von: Deb, Prasenjit, et al.
Veröffentlicht: (2026)

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

Practicality of training a quantum-classical machine in the NISQ era
von: Dutta, Tarun, et al.
Veröffentlicht: (2024)

Training continuously-coupled reconfigurable photonic chips with quantum machine learning
von: Stanev, Denis, et al.
Veröffentlicht: (2026)

Transmon qubit readout fidelity at the threshold for quantum error correction without a quantum-limited amplifier
von: Chen, Liangyu, et al.
Veröffentlicht: (2022)

Molecular representations of quantum circuits for quantum machine learning
von: Torabian, Elham, et al.
Veröffentlicht: (2025)

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

Optimizing quantum gates towards the scale of logical qubits
von: Klimov, Paul V., et al.
Veröffentlicht: (2023)

Photonic quantum generative adversarial networks for classical data
von: Sedrakyan, Tigran, et al.
Veröffentlicht: (2024)

On quantum to classical comparison for Davies generators
von: Basso, Joao, et al.
Veröffentlicht: (2025)

Global quantum phase estimation via hybrid quantum--classical learning
von: Yang, Qingchuan, et al.
Veröffentlicht: (2026)

Exponential quantum advantages in learning quantum observables from classical data
von: Molteni, Riccardo, et al.
Veröffentlicht: (2024)

Non-classicality of two-qubit quantum collision model: non-Markovian effects
von: Lalita, Jai, et al.
Veröffentlicht: (2025)

A machine learning approach to tomographic pattern generation and classification of quantum states of light
von: Paul, Soumyabrata, et al.
Veröffentlicht: (2025)

Suppressing quantum errors by scaling a surface code logical qubit
von: Acharya, Rajeev, et al.
Veröffentlicht: (2022)

Exploring quantum localization with machine learning
von: Montes, J., et al.
Veröffentlicht: (2024)