Buchumschlag

On Dequantization of Supervised Quantum Machine Learning via Random Fourier Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sahebi, Mehrad, Barthe, Alice, Suzuki, Yudai, Holmes, Zoë, Grossi, Michele
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

Quantum Advantage in Learning Quantum Dynamics via Fourier coefficient extraction
von: Barthe, Alice, et al.
Veröffentlicht: (2025)

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

Parameterized quantum circuits as universal generative models for continuous multivariate distributions
von: Barthe, Alice, et al.
Veröffentlicht: (2024)

How to make quantum cheese: efficient geometry oracles for exponentially many pseudorandom microstructures
von: Barthe, Alice
Veröffentlicht: (2026)

Quantum error mitigation for Fourier moment computation
von: Kiss, Oriel, et al.
Veröffentlicht: (2024)

Robust Dequantization of the Quantum Singular value Transformation and Quantum Machine Learning Algorithms
von: Gall, François Le
Veröffentlicht: (2023)

Gradients and frequency profiles of quantum re-uploading models
von: Barthe, Alice, et al.
Veröffentlicht: (2023)

Grover's algorithm is an approximation of imaginary-time evolution
von: Suzuki, Yudai, et al.
Veröffentlicht: (2025)

Double-bracket algorithm for quantum signal processing without post-selection
von: Suzuki, Yudai, et al.
Veröffentlicht: (2025)

Dequantizing Short-Path Quantum Algorithms
von: Gall, François Le, et al.
Veröffentlicht: (2026)

A Study on Quantum Car-Parrinello Molecular Dynamics with Classical Shadows for Resource Efficient Molecular Simulation
von: Kashihara, Honomi, et al.
Veröffentlicht: (2024)

Quantum Random Features: A Spectral Framework for Quantum Machine Learning
von: Sakurai, Akitada, et al.
Veröffentlicht: (2026)

Quantum simulation in the Heisenberg picture via vectorization
von: Chiew, Shao-Hen, et al.
Veröffentlicht: (2026)

Role of scrambling and noise in temporal information processing with quantum systems
von: Xiong, Weijie, et al.
Veröffentlicht: (2025)

The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2022)

Fourier Fingerprints of Ansatzes in Quantum Machine Learning
von: Strobl, Melvin, et al.
Veröffentlicht: (2025)

Double-bracket quantum algorithms for quantum imaginary-time evolution
von: Gluza, Marek, et al.
Veröffentlicht: (2024)

Dequantizing the Quantum Singular Value Transformation: Hardness and Applications to Quantum Chemistry and the Quantum PCP Conjecture
von: Gharibian, Sevag, et al.
Veröffentlicht: (2021)

Quantum Inspiration, Classical Advantage: Dequantized particle algorithm for the nonlinear Vlasov-Poisson system
von: Qin, Hong, et al.
Veröffentlicht: (2025)

A Dequantized Algorithm for the Guided Local Hamiltonian Problem
von: Zhang, Yukun, et al.
Veröffentlicht: (2024)

Fourier Analysis of Variational Quantum Circuits for Supervised Learning
von: Wiedmann, Marco, et al.
Veröffentlicht: (2024)

Variational Quantum Machine Learning with Quantum Error Detection
von: Adermann, Eromanga, et al.
Veröffentlicht: (2025)

Light-cone feature selection for quantum machine learning
von: Suzuki, Yudai, et al.
Veröffentlicht: (2024)

On the Complexity of Quantum States and Circuits from the Orthogonal and Symplectic Groups
von: Shaya, Oxana, et al.
Veröffentlicht: (2025)

Coherent-State Propagation: A Computational Framework for Simulating Bosonic Quantum Systems
von: Guseynov, Nikita, et al.
Veröffentlicht: (2026)

Dequantizing quantum machine learning models using tensor networks
von: Shin, Seongwook, et al.
Veröffentlicht: (2023)

Advantage for Discrete Variational Quantum Algorithms in Circuit Recompilation
von: Kyriienko, Oleksandr, et al.
Veröffentlicht: (2025)

Trainability barriers and opportunities in quantum generative modeling
von: Rudolph, Manuel S., et al.
Veröffentlicht: (2023)

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

Universal approximation of continuous functions with minimal quantum circuits
von: Pérez-Salinas, Adrián, et al.
Veröffentlicht: (2024)

Entanglement in Algebraic Quantum Field Theories
von: Grossi, Rafael
Veröffentlicht: (2024)

Tensor Network Formulation of Dequantized Algorithms for Ground State Energy Estimation
von: Manabe, Hidetaka, et al.
Veröffentlicht: (2025)

Dequantization and Hardness of Spectral Sum Estimation
von: Edenhofer, Roman, et al.
Veröffentlicht: (2025)

Dequantization Barriers for Guided Stoquastic Hamiltonians
von: Hamoudi, Yassine, et al.
Veröffentlicht: (2026)

Tight Generalization Bound for Supervised Quantum Machine Learning
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Kernel-based dequantization of variational QML without Random Fourier Features
von: Sweke, Ryan, et al.
Veröffentlicht: (2025)

Resource Saving via Ensemble Techniques for Quantum Neural Networks
von: Incudini, Massimiliano, et al.
Veröffentlicht: (2023)

Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning
von: Marcandelli, Paolo, et al.
Veröffentlicht: (2025)

Quantum Tensor Product Decomposition from Choi State Tomography
von: Mansuroglu, Refik, et al.
Veröffentlicht: (2024)

Quantum Annealing based Feature Selection in Machine Learning
von: Pranjic, Daniel, et al.
Veröffentlicht: (2024)