Buchumschlag

Neural networks leverage nominally quantum and post-quantum representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Riechers, Paul M., Elliott, Thomas J., Shai, Adam S.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Identifiability and minimality bounds of quantum and post-quantum models of classical stochastic processes
von: Riechers, Paul M., et al.
Veröffentlicht: (2025)

Neural network representation of quantum systems
von: Hashimoto, Koji, et al.
Veröffentlicht: (2024)

Constrained belief updates explain geometric structures in transformer representations
von: Piotrowski, Mateusz, et al.
Veröffentlicht: (2025)

Rapid training of quantum recurrent neural networks
von: Siemaszko, Michał, et al.
Veröffentlicht: (2022)

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

Effects of noise on the overparametrization of quantum neural networks
von: García-Martín, Diego, et al.
Veröffentlicht: (2023)

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

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

Surrogate-guided optimization in quantum networks
von: Prielinger, Luise, et al.
Veröffentlicht: (2024)

Experimental robustness benchmarking of quantum neural networks on a superconducting quantum processor
von: Zhang, Hai-Feng, et al.
Veröffentlicht: (2025)

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

Quantum neural networks facilitating quantum state classification
von: Sharma, Diksha, et al.
Veröffentlicht: (2025)

Energetic advantages for quantum agents in online execution of complex strategies
von: Thompson, Jayne, et al.
Veröffentlicht: (2025)

Imaging at the quantum limit with convolutional neural networks
von: Proppe, Andrew H., et al.
Veröffentlicht: (2025)

Rank-1 LoRAs Encode Interpretable Reasoning Signals
von: Ward, Jake, et al.
Veröffentlicht: (2025)

A unifying primary framework for quantum graph neural networks from quantum graph states
von: Daskin, Ammar
Veröffentlicht: (2024)

Learning local equivariant representations for quantum operators
von: Zhouyin, Zhanghao, et al.
Veröffentlicht: (2024)

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

Feedback-driven recurrent quantum neural network universality
von: Gonon, Lukas, et al.
Veröffentlicht: (2025)

Reduction of finite sampling noise in quantum neural networks
von: Kreplin, David A., et al.
Veröffentlicht: (2023)

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

Neural auto-designer for enhanced quantum kernels
von: Lei, Cong, et al.
Veröffentlicht: (2024)

Learnable quantum spectral filters for hybrid graph neural networks
von: Daskin, Ammar
Veröffentlicht: (2025)

Interpretable representation learning of quantum data enabled by probabilistic variational autoencoders
von: de Schoulepnikoff, Paulin, et al.
Veröffentlicht: (2025)

QGAN-based data augmentation for hybrid quantum-classical neural networks
von: He, Run-Ze, et al.
Veröffentlicht: (2025)

Hybrid quantum recurrent neural network for remaining useful life prediction
von: Tsurkan, Olga, et al.
Veröffentlicht: (2025)

On the effects of biased quantum random numbers on the initialization of artificial neural networks
von: Heese, Raoul, et al.
Veröffentlicht: (2021)

Quantum Kolmogorov-Arnold networks by combining quantum signal processing circuits
von: Daskin, Ammar
Veröffentlicht: (2024)

Spectral invariance and maximality properties of the frequency spectrum of quantum neural networks
von: Holzer, Patrick, et al.
Veröffentlicht: (2024)

Trained quantum neural networks are Gaussian processes
von: Girardi, Filippo, et al.
Veröffentlicht: (2024)

Seismic inversion using hybrid quantum neural networks
von: Vashisth, Divakar, et al.
Veröffentlicht: (2025)

Provable and scalable quantum Gaussian processes for quantum learning
von: Jäger, Jonas, et al.
Veröffentlicht: (2026)

Comparing concepts of quantum and classical neural network models for image classification task
von: Potempa, Rafal, et al.
Veröffentlicht: (2021)

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

Neural quantum support vector data description for one-class classification
von: Im, Changjae, et al.
Veröffentlicht: (2026)

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

HyQuRP: Hybrid quantum-classical neural network with rotational and permutational equivariance
von: Park, Semin, et al.
Veröffentlicht: (2026)

Automatic re-calibration of quantum devices by reinforcement learning
von: Crosta, T., et al.
Veröffentlicht: (2024)

A hybrid quantum-classical fusion neural network to improve protein-ligand binding affinity predictions for drug discovery
von: Domingo, L., et al.
Veröffentlicht: (2023)

Classification and reconstruction for single-pixel imaging with classical and quantum neural networks
von: Manko, Sofya, et al.
Veröffentlicht: (2024)