Buchumschlag

Quantum Machine Learning via Contrastive Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhukas, Liudmila A., Zhang, Vivian Ni, Miao, Qiang, Wang, Qingfeng, Cetina, Marko, Kim, Jungsang, Carin, Lawrence, Monroe, Christopher
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

Demonstration of a CAFQA-bootstrapped Variational Quantum Eigensolver on a Trapped-Ion Quantum Computer
von: Wang, Qingfeng, et al.
Veröffentlicht: (2024)

Observation of the Symmetry-Protected Signature of 3-body Interactions
von: Zhukas, Liudmila A., et al.
Veröffentlicht: (2024)

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

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

Harnessing Inherent Noises for Privacy Preservation in Quantum Machine Learning
von: Ju, Keyi, et al.
Veröffentlicht: (2023)

Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2023)

Improving Quantum Machine Learning via Heat-Bath Algorithmic Cooling
von: Rodríguez-Briones, Nayeli A., et al.
Veröffentlicht: (2025)

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

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

Probing Entanglement Scaling Across a Quantum Phase Transition on a Quantum Computer
von: Miao, Qiang, et al.
Veröffentlicht: (2024)

An Empirical Comparison of Optimizers for Quantum Machine Learning with SPSA-based Gradients
von: Wiedmann, Marco, et al.
Veröffentlicht: (2023)

Quantum Interval Bound Propagation for Certified Training of Quantum Neural Networks
von: Andrews, Emma, et al.
Veröffentlicht: (2026)

Enhancing Quantum Support Vector Machines through Variational Kernel Training
von: Innan, Nouhaila, et al.
Veröffentlicht: (2023)

Improving Gradient Methods via Coordinate Transformations: Applications to Quantum Machine Learning
von: Bermejo, Pablo, et al.
Veröffentlicht: (2023)

Robustness and Generalization in Quantum Reinforcement Learning via Lipschitz Regularization
von: Meyer, Nico, et al.
Veröffentlicht: (2024)

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

Improved Financial Forecasting via Quantum Machine Learning
von: Thakkar, Sohum, et al.
Veröffentlicht: (2023)

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

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits
von: Qi, Jun, et al.
Veröffentlicht: (2024)

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

Entangling Machine Learning with Quantum Tensor Networks
von: van der Poel, Constantijn, et al.
Veröffentlicht: (2024)

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

Feature Importance and Explainability in Quantum Machine Learning
von: Power, Luke, et al.
Veröffentlicht: (2024)

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

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

On the Sample Complexity of Quantum Boltzmann Machine Learning
von: Coopmans, Luuk, et al.
Veröffentlicht: (2023)

Spectral Bias in Variational Quantum Machine Learning
von: Duffy, Callum, et al.
Veröffentlicht: (2025)

Understanding Generalization in Quantum Machine Learning with Margins
von: Hur, Tak, et al.
Veröffentlicht: (2024)

Experimental Machine Learning with Classical and Quantum Data via NMR Quantum Kernels
von: Sabarad, Vivek, et al.
Veröffentlicht: (2024)

Adapting Quantum Machine Learning for Energy Dissociation of Bonds
von: Chandrasekhar, Swathi, et al.
Veröffentlicht: (2025)

Quantum Boltzmann Machines for Sample-Efficient Reinforcement Learning
von: Gerlach, Thore, et al.
Veröffentlicht: (2025)

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

Efficient Mutation Testing of Quantum Machine Learning Models
von: Andrews, Emma, et al.
Veröffentlicht: (2026)

Distributed and Secure Kernel-Based Quantum Machine Learning
von: Swaminathan, Arjhun, et al.
Veröffentlicht: (2024)

Benchmarking Machine Learning Models for Quantum Error Correction
von: Zhao, Yue
Veröffentlicht: (2023)

AQMLator -- An Auto Quantum Machine Learning E-Platform
von: Rybotycki, Tomasz, et al.
Veröffentlicht: (2024)

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

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

Partitioned Hybrid Quantum Fourier Neural Operators for Scientific Quantum Machine Learning
von: Marcandelli, Paolo, et al.
Veröffentlicht: (2025)

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