Copertina

PALQO: Physics-informed Model for Accelerating Large-scale Quantum Optimization

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Huang, Yiming, Hao, Yajie, Zhou, Jing, Yuan, Xiao, Wang, Xiaoting, Du, Yuxuan
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Quantum Physics Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Large-scale Efficient Molecule Geometry Optimization with Hybrid Quantum-Classical Computing
di: Hao, Yajie, et al.
Pubblicazione: (2025)

Rethink the Role of Deep Learning towards Large-scale Quantum Systems
di: Zhao, Yusheng, et al.
Pubblicazione: (2025)

Constraint-Aware Quantum Optimization via Hamming Weight Operators
di: Hao, Yajie, et al.
Pubblicazione: (2026)

Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors
di: Liao, Wei-You, et al.
Pubblicazione: (2025)

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits
di: Du, Yuxuan, et al.
Pubblicazione: (2024)

Quantum reinforcement learning in continuous action space
di: Wu, Shaojun, et al.
Pubblicazione: (2020)

Transition Role of Entangled Data in Quantum Machine Learning
di: Wang, Xinbiao, et al.
Pubblicazione: (2023)

Maximising Quantum-Computing Expressive Power through Randomised Circuits
di: Yang, Yingli, et al.
Pubblicazione: (2023)

Accelerating Feedback-based Algorithms for Quantum Optimization Using Gradient Descent
di: Mozakka, Masih, et al.
Pubblicazione: (2026)

On exploring the potential of quantum auto-encoder for learning quantum systems
di: Du, Yuxuan, et al.
Pubblicazione: (2021)

Rethink the Role of Neural Decoders in Quantum Error Correction
di: Yan, Ge, et al.
Pubblicazione: (2026)

Accelerating Inference for Multilayer Neural Networks with Quantum Computers
di: Rattew, Arthur G., et al.
Pubblicazione: (2025)

Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem
di: Wang, Xinbiao, et al.
Pubblicazione: (2024)

Physics-Informed Bayesian Optimization of Variational Quantum Circuits
di: Nicoli, Kim A., et al.
Pubblicazione: (2024)

Quantum Compiling with Reinforcement Learning on a Superconducting Processor
di: Wang, Z. T., et al.
Pubblicazione: (2024)

Predictive Performance of Deep Quantum Data Re-uploading Models
di: Wang, Xin, et al.
Pubblicazione: (2025)

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

Simulating Non-Markovian Open Quantum Dynamics with Neural Quantum States
di: Cao, Long, et al.
Pubblicazione: (2024)

Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble
di: Chen, Chuangtao, et al.
Pubblicazione: (2024)

Graph Learning for Parameter Prediction of Quantum Approximate Optimization Algorithm
di: Liang, Zhiding, et al.
Pubblicazione: (2024)

Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
di: Meng, Qingyu, et al.
Pubblicazione: (2026)

On quantum backpropagation, information reuse, and cheating measurement collapse
di: Abbas, Amira, et al.
Pubblicazione: (2023)

Quantum Embedding with Transformer for High-dimensional Data
di: Chen, Hao-Yuan, et al.
Pubblicazione: (2024)

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

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

Quantum-Informed Machine Learning for Predicting Spatiotemporal Chaos with Practical Quantum Advantage
di: Wang, Maida, et al.
Pubblicazione: (2025)

Variational Optimization for Quantum Problems using Deep Generative Networks
di: Zhang, Lingxia, et al.
Pubblicazione: (2024)

Quantum Computing for Large-scale Network Optimization: Opportunities and Challenges
di: Macaluso, Sebastian, et al.
Pubblicazione: (2025)

DyPP: Dynamic Parameter Prediction to Accelerate Convergence of Variational Quantum Algorithms
di: Kundu, Satwik, et al.
Pubblicazione: (2023)

Non-native Quantum Generative Optimization with Adversarial Autoencoders
di: Wilson, Blake A., et al.
Pubblicazione: (2024)

Quantum Non-Linear Bandit Optimization
di: Siam, Zakaria Shams, et al.
Pubblicazione: (2025)

Quantum Circuit Optimization with AlphaTensor
di: Ruiz, Francisco J. R., et al.
Pubblicazione: (2024)

Variational Quantum Optimization with Continuous Bandits
di: Wanner, Marc, et al.
Pubblicazione: (2025)

Infeasibility Aware Large Language Models for Combinatorial Optimization
di: Wang, Yakun, et al.
Pubblicazione: (2026)

Quantum Complex-Valued Self-Attention Model
di: Chen, Fu, et al.
Pubblicazione: (2025)

Quantum Circuit Synthesis and Compilation Optimization: Overview and Prospects
di: Yan, Ge, et al.
Pubblicazione: (2024)

Meta-Learning for Quantum Optimization via Quantum Sequence Model
di: Lin, Yu-Cheng, et al.
Pubblicazione: (2025)

Characterizing Trainability of Instantaneous Quantum Polynomial Circuit Born Machines
di: Shen, Kevin, et al.
Pubblicazione: (2026)

Neural Guided Sampling for Quantum Circuit Optimization
di: Rosenhahn, Bodo, et al.
Pubblicazione: (2025)

Quantum Gaussian Process Regression for Bayesian Optimization
di: Rapp, Frederic, et al.
Pubblicazione: (2023)