Buchumschlag

Quantum Orthogonal Separable Physics-Informed Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zanotta, Pietro, Budinski, Ljubomir, Aytekin, Caglar, Lahtinen, Valtteri
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Lattice Gas Algorithm: Classical and Quantum implementations
von: Fonio, Niccolò, et al.
Veröffentlicht: (2025)

Efficient Quantum Lattice Gas Automata
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2024)

Quantum lattice Boltzmann method for several time steps: A local Carleman linearization algorithm
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2025)

Quantum machine learning for the quantum lattice Boltzmann method: Trainability of variational quantum circuits for the nonlinear collision operator across multiple time steps
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2026)

Float Lattice Gas Automata: A connection between Molecular Dynamics and Lattice Boltzmann Method for quantum computers
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2025)

Utilizing classical programming principles in the Intel Quantum SDK: implementation of quantum lattice Boltzmann method
von: Shinde, Tejas, et al.
Veröffentlicht: (2024)

Quantum algorithm for the lattice Boltzmann method with applications on real quantum devices
von: Bastida-Zamora, Antonio, et al.
Veröffentlicht: (2026)

Minimizing entanglement entropy for enhanced quantum state preparation
von: Kerppo, Oskari, et al.
Veröffentlicht: (2025)

Quantum Noise Tomography with Physics-Informed Neural Networks
von: Sulc, Antonin
Veröffentlicht: (2025)

On the Potential of Quantum Computing in Classical Program Analysis
von: Guang, Yicheng, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Maximizing Quantum Fisher Information in Time-Dependent Many-Body Systems
von: Ferrer-Sánchez, Antonio, et al.
Veröffentlicht: (2026)

A Variational Quantum Algorithm for Nonlinear Finite Element Analysis of Hyperelastic Materials
von: Kouskiya, Uditnarayan, et al.
Veröffentlicht: (2026)

Geometric Quantum Physics Informed Neural Network
von: Tam, Wai-Hong, et al.
Veröffentlicht: (2026)

Quantum-Enhanced Convergence of Physics-Informed Neural Networks
von: Klement, Nils, et al.
Veröffentlicht: (2026)

Quantum Neural Physics: Solving Partial Differential Equations on Quantum Simulators using Quantum Convolutional Neural Networks
von: Zhai, Jucai, et al.
Veröffentlicht: (2026)

Hamiltonian Learning via Inverse Physics-Informed Neural Networks
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for One-Dimensional Quantum Well Problems
von: Sarkar, Soumyadip
Veröffentlicht: (2025)

Learning PDEs for Portfolio Optimization with Quantum Physics-Informed Neural Networks
von: Wang, Letao, et al.
Veröffentlicht: (2026)

Accelerating Noisy Variational Quantum Algorithms with Physics-Informed Denoising Networks
von: Liu, Jie, et al.
Veröffentlicht: (2026)

Bayesian Quantum Orthogonal Neural Networks for Anomaly Detection
von: Mathur, Natansh, et al.
Veröffentlicht: (2025)

Assessing the Advantages and Limitations of Quantum Neural Networks in Regression Tasks
von: de Limaa, Gubio G., et al.
Veröffentlicht: (2025)

Solving Differential Equation with Quantum-Circuit Enhanced Physics-Informed Neural Networks
von: Soni, Rachana
Veröffentlicht: (2025)

Physics-Informed Neural Networks with Adaptive Constraints for Multi-Qubit Quantum Tomography
von: Feng, Changchun, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Gate Design using Quantum Optimal Control
von: Lauten, Sofiia, et al.
Veröffentlicht: (2025)

Quantum-Assisted Trainable-Embedding Physics-Informed Neural Networks for Parabolic PDEs
von: Tran, Ban Q., et al.
Veröffentlicht: (2026)

An electrical engineering perspective on naturality in computational physics
von: Kotiuga, P. Robert, et al.
Veröffentlicht: (2018)

Learning to Maximize Quantum Neural Network Expressivity via Effective Rank
von: Yao, Juan
Veröffentlicht: (2025)

QMetric: Benchmarking Quantum Neural Networks Across Circuits, Features, and Training Dimensions
von: Illésová, Silvie, et al.
Veröffentlicht: (2025)

Opportunities and challenges of quantum computing for climate modelling
von: Schwabe, Mierk, et al.
Veröffentlicht: (2025)

Classical Neural Networks on Quantum Devices via Tensor Network Disentanglers: A Case Study in Image Classification
von: Aizpurua, Borja, et al.
Veröffentlicht: (2025)

Qracle: A Graph-Neural-Network-based Parameter Initializer for Variational Quantum Eigensolvers
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

A Hybrid Quantum-Classical Physics-Informed Neural Network Architecture for Solving Quantum Optimal Control Problems
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2024)

Addressing the Non-perturbative Regime of the Quantum Anharmonic Oscillator by Physics-Informed Neural Networks
von: Brevi, Lorenzo, et al.
Veröffentlicht: (2024)

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

A Joint Quantum Computing, Neural Network and Embedding Theory Approach for the Derivation of the Universal Functional
von: Uttendorfer, Martin J., et al.
Veröffentlicht: (2025)

Accurate Computation of Quantum Excited States with Neural Networks
von: Pfau, David, et al.
Veröffentlicht: (2023)

QCPINN: Quantum-Classical Physics-Informed Neural Networks for Solving PDEs
von: Farea, Afrah, et al.
Veröffentlicht: (2025)

Scalable Quantum Error Mitigation with Physically Informed Graph Neural Networks
von: Wang, Huaxin, et al.
Veröffentlicht: (2026)

Quantum Transfer Learning for Acceptability Judgements
von: Buonaiuto, Giuseppe, et al.
Veröffentlicht: (2024)

Towards Explainable Quantum AI: Informing the Encoder Selection of Quantum Neural Networks via Visualization
von: Ruan, Shaolun, et al.
Veröffentlicht: (2025)