Copertina

Generative modeling using evolved quantum Boltzmann machines

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Wilde, Mark M.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Quantum Physics Machine Learning Optimization and Control
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Natural gradient and parameter estimation for quantum Boltzmann machines
di: Patel, Dhrumil, et al.
Pubblicazione: (2024)

Quantum Boltzmann machine learning of ground-state energies
di: Patel, Dhrumil, et al.
Pubblicazione: (2024)

Solving Conic Programs over Sparse Graphs using a Variational Quantum Approach: The Case of the Optimal Power Flow
di: Le, Thinh Viet, et al.
Pubblicazione: (2025)

Fundamentals of quantum Boltzmann machine learning with visible and hidden units
di: Wilde, Mark M.
Pubblicazione: (2025)

Training robust and generalizable quantum models
di: Berberich, Julian, et al.
Pubblicazione: (2023)

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

Scalable iterative pruning of large language and vision models using block coordinate descent
di: Rosenberg, Gili, et al.
Pubblicazione: (2024)

Constrained free energy minimization for the design of thermal states and stabilizer thermodynamic systems
di: Minervini, Michele, et al.
Pubblicazione: (2025)

Quantum thermodynamics and semi-definite optimization
di: Liu, Nana, et al.
Pubblicazione: (2025)

Learning quantum Hamiltonians at any temperature in polynomial time with Chebyshev and bit complexity
di: Wodecki, Ales, et al.
Pubblicazione: (2024)

Semi-definite optimization of the measured relative entropies of quantum states and channels
di: Huang, Zixin, et al.
Pubblicazione: (2024)

Tensor Network Generator-Enhanced Optimization for Traveling Salesman Problem
di: Sakai, Ryo, et al.
Pubblicazione: (2026)

Quantum open system identification via global optimization: Optimally accurate Markovian models of open systems from time-series data
di: Popovych, Zakhar, et al.
Pubblicazione: (2022)

Towards identifying possible fault-tolerant advantage of quantum linear system algorithms in terms of space, time and energy
di: Tu, Yue, et al.
Pubblicazione: (2025)

Learning AC Power Flow Solutions using a Data-Dependent Variational Quantum Circuit
di: Le, Thinh Viet, et al.
Pubblicazione: (2025)

Operator-Level Quantum Acceleration of Non-Logconcave Sampling
di: Leng, Jiaqi, et al.
Pubblicazione: (2025)

Quantum Optimization via Gradient-Based Hamiltonian Descent
di: Leng, Jiaqi, et al.
Pubblicazione: (2025)

Parity Cross-Resonance: A Multiqubit Gate
di: Xu, Xuexin, et al.
Pubblicazione: (2025)

Quantum Speedups for Markov Chain Monte Carlo Methods with Application to Optimization
di: Ozgul, Guneykan, et al.
Pubblicazione: (2025)

Standardization of Multi-Objective QUBOs
di: Lee, Loong Kuan, et al.
Pubblicazione: (2025)

Quantum Algorithms for the Pathwise Lasso
di: Doriguello, Joao F., et al.
Pubblicazione: (2023)

Classical and Quantum Speedups for Non-Convex Optimization via Energy Conserving Descent
di: Sun, Yihang, et al.
Pubblicazione: (2026)

Variational Quantum Eigensolver with Constraints (VQEC): Solving Constrained Optimization Problems via VQE
di: Le, Thinh Viet, et al.
Pubblicazione: (2023)

Logarithmic-Regret Quantum Learning Algorithms for Zero-Sum Games
di: Gao, Minbo, et al.
Pubblicazione: (2023)

Quantum Natural Stochastic Pairwise Coordinate Descent
di: Sohail, Mohammad Aamir, et al.
Pubblicazione: (2024)

Dynamic Range Reduction via Branch-and-Bound
di: Gerlach, Thore, et al.
Pubblicazione: (2024)

Fast Minimization of Expected Logarithmic Loss via Stochastic Dual Averaging
di: Tsai, Chung-En, et al.
Pubblicazione: (2023)

Online Learning Quantum States with the Logarithmic Loss via VB-FTRL
di: Tseng, Wei-Fu, et al.
Pubblicazione: (2023)

Accelerated optimization of measured relative entropies
di: Huang, Zixin, et al.
Pubblicazione: (2025)

Stochastic Security as a Performance Metric for Quantum-enhanced Generative AI
di: Crum, Noah A., et al.
Pubblicazione: (2023)

A Bit of Freedom Goes a Long Way: Classical and Quantum Algorithms for Reinforcement Learning under a Generative Model
di: Ambainis, Andris, et al.
Pubblicazione: (2025)

Variational Quantum Brushes
di: Lu, Jui-Ting, et al.
Pubblicazione: (2025)

Iterative quantum optimisation with a warm-started quantum state
di: Yuan, Haomu, et al.
Pubblicazione: (2025)

Quantum-Efficient Reinforcement Learning Solutions for Last-Mile On-Demand Delivery
di: Moosavi, Farzan, et al.
Pubblicazione: (2025)

Enhanced Reinforcement Learning-based Process Synthesis via Quantum Computing
di: Braniff, Austin, et al.
Pubblicazione: (2026)

Quantum Neural Networks for Solving Power System Transient Simulation Problem
di: Soltaninia, Mohammadreza, et al.
Pubblicazione: (2024)

Revealing design archetypes and flexibility in e-molecule import pathways using Modeling to Generate Alternatives and interpretable machine learning
di: Kchaou, Mahdi, et al.
Pubblicazione: (2025)

Stein Boltzmann Sampling: A Variational Approach for Global Optimization
di: Serré, Gaëtan, et al.
Pubblicazione: (2024)

Common pitfalls to avoid while using multiobjective optimization in machine learning
di: Akhter, Junaid, et al.
Pubblicazione: (2024)

Sampling from Boltzmann densities with physics informed low-rank formats
di: Hagemann, Paul, et al.
Pubblicazione: (2024)