Buchumschlag

Enhancing variational quantum algorithms by balancing training on classical and quantum hardware

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bhowmick, Rahul, Wadhwa, Harsh, Singh, Avinash, Sidana, Tania, Tran, Quoc Hoan, Sabapathy, Krishna Kumar
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

Model selection in hybrid quantum neural networks with applications to quantum transformer architectures
von: Wadhwa, Harsh, et al.
Veröffentlicht: (2026)

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

Quantum Generative Adversarial Autoencoders: Learning latent representations for quantum data generation
von: Raj, Naipunnya, et al.
Veröffentlicht: (2025)

Coherence influx is indispensable for quantum reservoir computing
von: Kobayashi, Shumpei, et al.
Veröffentlicht: (2024)

Extending echo state property for quantum reservoir computing
von: Kobayashi, Shumpei, et al.
Veröffentlicht: (2024)

Resource-efficient equivariant quantum convolutional neural networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Learning quantum symmetries with interactive quantum-classical variational algorithms
von: Lu, Jonathan Z., et al.
Veröffentlicht: (2022)

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

Quantum Curriculum Learning
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2024)

Benchmarking MedMNIST dataset on real quantum hardware
von: Singh, Gurinder, et al.
Veröffentlicht: (2025)

Molecular Quantum Transformer
von: Kamata, Yuichi, et al.
Veröffentlicht: (2025)

Latent-Conditioned Parameterized Quantum Circuits as Universal Approximators for Distributions over Quantum States
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Universality of Many-body Projected Ensemble for Learning Quantum Data Distribution
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Verifiable cloud-based variational quantum algorithms
von: Yang, Junhong, et al.
Veröffentlicht: (2024)

Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
von: Tran, Quoc Hoan, et al.
Veröffentlicht: (2026)

Hybrid quantum-classical algorithm for near-optimal planning in POMDPs
von: Cunha, Gilberto, et al.
Veröffentlicht: (2025)

Trade-off between Gradient Measurement Efficiency and Expressivity in Deep Quantum Neural Networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Splitting and Parallelizing of Quantum Convolutional Neural Networks for Learning Translationally Symmetric Data
von: Chinzei, Koki, et al.
Veröffentlicht: (2023)

Stochastic noise can be helpful for variational quantum algorithms
von: Liu, Junyu, et al.
Veröffentlicht: (2022)

Deep learning-based variational autoencoder for classification of quantum and classical states of light
von: Bhupati, Mahesh, et al.
Veröffentlicht: (2024)

Noise-tolerant learnability of shallow quantum circuits from statistics and the cost of quantum pseudorandomness
von: Wadhwa, Chirag, et al.
Veröffentlicht: (2024)

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)

Reinforcement learning-assisted quantum architecture search for variational quantum algorithms
von: Kundu, Akash
Veröffentlicht: (2024)

Learning to rank quantum circuits for hardware-optimized performance enhancement
von: Hartnett, Gavin S., et al.
Veröffentlicht: (2024)

Iterative Quantum Feature Maps
von: Matsumoto, Nasa, et al.
Veröffentlicht: (2025)

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

Efficient quantum-enhanced classical simulation for patches of quantum landscapes
von: Lerch, Sacha, et al.
Veröffentlicht: (2024)

Minimizing classical resources in variational measurement-based quantum computation for generative modeling
von: Majumder, Arunava, et al.
Veröffentlicht: (2026)

Curriculum reinforcement learning for quantum architecture search under hardware errors
von: Patel, Yash J., et al.
Veröffentlicht: (2024)

Exponential separations between classical and quantum learners
von: Gyurik, Casper, et al.
Veröffentlicht: (2023)

On the explainability of quantum neural networks based on variational quantum circuits
von: Daskin, Ammar
Veröffentlicht: (2023)

Reinforcement learning with learned gadgets to tackle hard quantum problems on real hardware
von: Kundu, Akash, et al.
Veröffentlicht: (2024)

Expressive equivalence of classical and quantum restricted Boltzmann machines
von: Demidik, Maria, et al.
Veröffentlicht: (2025)

On the similarity of bandwidth-tuned quantum kernels and classical kernels
von: Flórez-Ablan, Roberto, et al.
Veröffentlicht: (2025)

Limits of quantum generative models with classical sampling hardness
von: Herbst, Sabrina, et al.
Veröffentlicht: (2025)

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

A hybrid quantum-classical conditional generative adversarial network algorithm for human-centered paradigm in cloud
von: Liu, Wenjie, et al.
Veröffentlicht: (2023)

Des-q: a quantum algorithm to provably speedup retraining of decision trees
von: Kumar, Niraj, et al.
Veröffentlicht: (2023)

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

Clustering by Contour coreset and variational quantum eigensolver
von: Yung, Canaan, et al.
Veröffentlicht: (2023)