Buchumschlag

Quantum-Informed Machine Learning for Predicting Spatiotemporal Chaos with Practical Quantum Advantage

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Maida, Xue, Xiao, Gao, Mingyang, Coveney, Peter V.
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

A Parameter-Efficient Quantum Anomaly Detection Method on a Superconducting Quantum Processor
von: Wang, Maida, et al.
Veröffentlicht: (2024)

Limitations of Quantum Advantage in Unsupervised Machine Learning
von: Patel, Apoorva D.
Veröffentlicht: (2025)

Prospects of Privacy Advantage in Quantum Machine Learning
von: Heredge, Jamie, et al.
Veröffentlicht: (2024)

Sparks of Quantum Advantage and Rapid Retraining in Machine Learning
von: Troy, William
Veröffentlicht: (2024)

Machine Learning for Practical Quantum Error Mitigation
von: Liao, Haoran, et al.
Veröffentlicht: (2023)

Classical Verification of Quantum Learning Advantages with Noises
von: Ma, Yinghao, et al.
Veröffentlicht: (2024)

Exponential Quantum Communication Advantage in Distributed Inference and Learning
von: Gilboa, Dar, et al.
Veröffentlicht: (2023)

Quantum Dynamics of Machine Learning
von: Wang, Peng, et al.
Veröffentlicht: (2024)

In Search of Quantum Advantage: Estimating the Number of Shots in Quantum Kernel Methods
von: Miroszewski, Artur, et al.
Veröffentlicht: (2024)

Quantum Advantage in Multi Agent Reinforcement Learning
von: Dahia, Simranjeet Singh, et al.
Veröffentlicht: (2026)

Quantum Advantage Actor-Critic for Reinforcement Learning
von: Kölle, Michael, et al.
Veröffentlicht: (2024)

Arbitrary Polynomial Separations in Trainable Quantum Machine Learning
von: Anschuetz, Eric R., et al.
Veröffentlicht: (2024)

Assessing Quantum Advantage for Gaussian Process Regression
von: Lowe, Dominic, et al.
Veröffentlicht: (2025)

On the Design of Expressive and Trainable Pulse-based Quantum Machine Learning Models
von: Tao, Han-Xiao, et al.
Veröffentlicht: (2025)

Quantum Machine Learning: Quantum Kernel Methods
von: Naguleswaran, Sanjeev
Veröffentlicht: (2024)

Quantum Reinforcement Learning in Non-Abelian Environments: Unveiling Novel Formulations and Quantum Advantage Exploration
von: Ghosal, Shubhayan
Veröffentlicht: (2024)

Self-Adaptive Physics-Informed Quantum Machine Learning for Solving Differential Equations
von: Setty, Abhishek, et al.
Veröffentlicht: (2023)

Integrating Machine Learning and Quantum Circuits for Proton Affinity Predictions
von: Jin, Hongni, et al.
Veröffentlicht: (2024)

Practical Log-Depth Quantum State Preparation and Circuit Verification via Tree Tensor Network Compilation
von: Mingare, Angus, et al.
Veröffentlicht: (2026)

Probabilistic Quantum SVM Training on Ising Machine
von: He, Haoqi, et al.
Veröffentlicht: (2025)

Quantum vs. Classical Machine Learning: A Benchmark Study for Financial Prediction
von: Ahmad, Rehan, et al.
Veröffentlicht: (2026)

A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models
von: Hibat-Allah, Mohamed, et al.
Veröffentlicht: (2023)

Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection
von: Ubale, Rushikesh, et al.
Veröffentlicht: (2025)

Quantum Machine Learning via Contrastive Training
von: Zhukas, Liudmila A., et al.
Veröffentlicht: (2025)

Provable Quantum Algorithm Advantage for Gaussian Process Quadrature
von: Galvis-Florez, Cristian A., et al.
Veröffentlicht: (2025)

Multiple Embeddings for Quantum Machine Learning
von: Han, Siyu, et al.
Veröffentlicht: (2025)

Empirical Quantum Advantage Analysis of Quantum Kernel in Gene Expression Data
von: Ghosh, Arpita, et al.
Veröffentlicht: (2024)

Quantum Circuit-Based Learning Models: Bridging Quantum Computing and Machine Learning
von: Fan, Fan, et al.
Veröffentlicht: (2026)

Quantum Machine Learning Playground
von: Debus, Pascal, et al.
Veröffentlicht: (2025)

Differentiating and Integrating ZX Diagrams with Applications to Quantum Machine Learning
von: Wang, Quanlong, et al.
Veröffentlicht: (2022)

Compilation, Optimization, Error Mitigation, and Machine Learning in Quantum Algorithms
von: Wang, Shuangbao Paul, et al.
Veröffentlicht: (2025)

Quantum-Assisted Machine Learning Models for Enhanced Weather Prediction
von: Sakhuja, Saiyam, et al.
Veröffentlicht: (2025)

Scalable Quantum Error Mitigation with Neighbor-Informed Learning
von: Chen, Zhenyu, et al.
Veröffentlicht: (2025)

Hybrid Heuristic Algorithms for Adiabatic Quantum Machine Learning Models
von: Alidaee, Bahram, et al.
Veröffentlicht: (2024)

A Qubit-Efficient Hybrid Quantum Encoding Mechanism for Quantum Machine Learning
von: Cowlessur, Hevish, et al.
Veröffentlicht: (2025)

Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning
von: Marcandelli, Paolo, 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)

Explaining Quantum Circuits with Shapley Values: Towards Explainable Quantum Machine Learning
von: Heese, Raoul, et al.
Veröffentlicht: (2023)

Generalization of Quantum Machine Learning Models Using Quantum Fisher Information Metric
von: Haug, Tobias, et al.
Veröffentlicht: (2023)

Exploring Quantum Machine Learning for Weather Forecasting
von: da Silva, Maria Heloísa F., et al.
Veröffentlicht: (2025)