Buchumschlag

The interplay of robustness and generalization in quantum machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berberich, Julian, Fellner, Tobias, Holm, Christian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robustness of quantum algorithms: Worst-case fidelity bounds and implications for design
von: Berberich, Julian, et al.
Veröffentlicht: (2025)

Training robust and generalizable quantum models
von: Berberich, Julian, et al.
Veröffentlicht: (2023)

Robustness of quantum algorithms against coherent control errors
von: Berberich, Julian, et al.
Veröffentlicht: (2023)

Model predictive quantum control: A modular approach for efficient and robust quantum optimal control
von: Guizani, Eya, et al.
Veröffentlicht: (2025)

Robustness of optimal quantum annealing protocols
von: Funcke, Niklas, et al.
Veröffentlicht: (2024)

Using quantum computers in control: interval matrix properties
von: Schneider, Jan, et al.
Veröffentlicht: (2024)

Quantum computing through the lens of control: A tutorial introduction
von: Berberich, Julian, et al.
Veröffentlicht: (2023)

Noise Resilience and Robust Convergence Guarantees for the Variational Quantum Eigensolver
von: Legnini, Mirko, et al.
Veröffentlicht: (2026)

Quantum vs. classical: A comprehensive benchmark study for predicting time series with variational quantum machine learning
von: Fellner, Tobias, et al.
Veröffentlicht: (2025)

Singularity-free dynamical invariants-based quantum control
von: Sareen, Ritik, et al.
Veröffentlicht: (2025)

Tomography of Quantum States from Structured Measurements via quantum-aware transformer
von: Ma, Hailan, et al.
Veröffentlicht: (2023)

SafEDMD: A Koopman-based data-driven controller design framework for nonlinear dynamical systems
von: Strässer, Robin, et al.
Veröffentlicht: (2024)

Sequential learning and control: Targeted exploration for robust performance
von: Venkatasubramanian, Janani, et al.
Veröffentlicht: (2023)

Multivariate quantum reservoir computing with discrete and continuous variable systems
von: Fellner, Tobias, et al.
Veröffentlicht: (2026)

Generative modeling using evolved quantum Boltzmann machines
von: Wilde, Mark M.
Veröffentlicht: (2025)

QPPG: Quantum-Preconditioned Policy Gradient for Link Adaptation in Rayleigh Fading Channels
von: Giwa, Oluwaseyi, et al.
Veröffentlicht: (2025)

Group-Theoretic Reinforcement Learning of Dynamical Decoupling Sequences
von: Marrder, Charles, et al.
Veröffentlicht: (2025)

A Quantum Neural Network Transfer-Learning Model for Forecasting Problems with Continuous and Discrete Variables
von: Abdulrahman, Ismael
Veröffentlicht: (2025)

QSTAformer: A Quantum-Enhanced Transformer for Robust Short-Term Voltage Stability Assessment against Adversarial Attacks
von: Li, Yang, et al.
Veröffentlicht: (2025)

From Characterization To Construction: Generative Quantum Circuit Synthesis from Gate Set Tomography Data
von: Yu, King Yiu, et al.
Veröffentlicht: (2026)

Quantum Neural Networks for Power Flow Analysis
von: Kaseb, Zeynab, et al.
Veröffentlicht: (2023)

Learning Nonlinear Input-Output Maps with Dissipative Quantum Systems
von: Chen, Jiayin, et al.
Veröffentlicht: (2019)

Model-free Distortion Canceling and Control of Quantum Devices
von: Fouad, Ahmed F., et al.
Veröffentlicht: (2024)

Learning AC Power Flow Solutions using a Data-Dependent Variational Quantum Circuit
von: Le, Thinh Viet, et al.
Veröffentlicht: (2025)

Solving Conic Programs over Sparse Graphs using a Variational Quantum Approach: The Case of the Optimal Power Flow
von: Le, Thinh Viet, et al.
Veröffentlicht: (2025)

A minimax optimal control approach for robust neural ODEs
von: Cipriani, Cristina, et al.
Veröffentlicht: (2023)

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

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

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

Geometric quantum machine learning of BQP$^A$ protocols and latent graph classifiers
von: Umeano, Chukwudubem, et al.
Veröffentlicht: (2024)

Robust feedback-based quantum optimization: analysis of coherent control errors
von: Legnini, Mirko, et al.
Veröffentlicht: (2025)

Iterative quantum optimisation with a warm-started quantum state
von: Yuan, Haomu, et al.
Veröffentlicht: (2025)

Quantum Boltzmann machine learning of ground-state energies
von: Patel, Dhrumil, et al.
Veröffentlicht: (2024)

Natural gradient and parameter estimation for quantum Boltzmann machines
von: Patel, Dhrumil, et al.
Veröffentlicht: (2024)

Stabilization of industrial processes with time series machine learning
von: Anoshin, Matvei, et al.
Veröffentlicht: (2025)

Stability in data-driven MPC: an inherent robustness perspective
von: Berberich, Julian, et al.
Veröffentlicht: (2022)

Quantum Neural Networks for Solving Power System Transient Simulation Problem
von: Soltaninia, Mohammadreza, et al.
Veröffentlicht: (2024)

Lyapunov-Aware Quantum-Inspired Reinforcement Learning for Continuous-Time Vehicle Control: A Feasibility Study
von: Kraipatthanapong, Nutkritta, et al.
Veröffentlicht: (2025)

Quantum Power Flows: From Theory to Practice
von: Liu, Junyu, et al.
Veröffentlicht: (2022)

When Does Adaptation Win? Scaling Laws for Meta-Learning in Quantum Control
von: Leclerc, Nima, et al.
Veröffentlicht: (2026)