Buchumschlag

A Trainable-Embedding Quantum Physics-Informed Framework for Multi-Species Reaction-Diffusion Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tran, Ban Q., Dehaghani, Nahid Binandeh, Aguiar, A. Pedro, Wisniewski, Rafal, Mengel, Susan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

A QPINN Framework with Quantum Trainable Embeddings for the Lid-Driven Cavity Problem
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2026)

Quantum-Assisted Learning of Time-Dependent Parabolic PDEs
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2025)

Quantum-Inspired Tensor Networks for Approximating PDE Flow Maps
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2026)

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

State-Constrained Optimal Control for Coherence Preservation in Multi-Level Open Quantum Systems
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2024)

Quantum Solution Framework for Finite-Horizon LQG Control via Block Encodings and QSVT
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2025)

Robust Entanglement Generation in Bipartite Quantum Systems Using Optimal Control
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2025)

Trotterized Variational Quantum Control for Spin-Chain State Transfer
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2025)

Certified Quantum Schrödinger Control via Hierarchical Tucker Models
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2026)

Quantum-Assisted Barrier Sequential Quadratic Programming for Nonlinear Optimal Control
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2025)

State Estimation and Control for Stochastic Quantum Dynamics with Homodyne Measurement: Stabilizing Qubits under Uncertainty
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2024)

Optimizing Maximally Entangled State Generation via Pontryagin's Principle
von: Dehaghani, Nahid Binandeh, et al.
Veröffentlicht: (2024)

Quantum Patches: Enhancing Robustness of Quantum Machine Learning Models
von: Tran, Ban Q., et al.
Veröffentlicht: (2026)

A Comprehensive Analysis of Accuracy and Robustness in Quantum Neural Networks
von: Tran, Ban Q., et al.
Veröffentlicht: (2026)

Online Parameter Estimation for Continuously Monitored Quantum Systems
von: Clausen, Henrik Glavind, et al.
Veröffentlicht: (2024)

Feedback-Based Quantum Algorithm for Constrained Optimization Problems
von: Rahman, Salahuddin Abdul, et al.
Veröffentlicht: (2024)

Feedback-Based Quantum Algorithm for Excited States Calculation
von: Rahman, Salahuddin Abdul, et al.
Veröffentlicht: (2024)

Weighted Feedback-Based Quantum Algorithm for Excited States Calculation
von: Rahman, Salahuddin Abdul, et al.
Veröffentlicht: (2024)

Feedback-Based Quantum Strategies for Constrained Combinatorial Optimization Problems
von: Rahman, Salahuddin Abdul, et al.
Veröffentlicht: (2025)

Investigation of Feature Selection and Pooling Methods for Environmental Sound Classification
von: Dehaghani, Parinaz Binandeh, et al.
Veröffentlicht: (2025)

Quantum Classifiers with Trainable Kernel
von: Xu, Li, 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)

Quantum Algorithm for Subcellular Multiscale Reaction-Diffusion Systems
von: Lockwood, Margot, et al.
Veröffentlicht: (2025)

Diagnosing Quantum Circuits: Noise Robustness, Trainability, and Expressibility
von: Shao, Yuguo, et al.
Veröffentlicht: (2025)

Practical Trainable Temporal Postprocessor for Multistate Quantum Measurement
von: Khan, Saeed A., et al.
Veröffentlicht: (2023)

Provably Trainable Rotationally Equivariant Quantum Machine Learning
von: West, Maxwell T., et al.
Veröffentlicht: (2023)

Trainable Quantum Spectral Models for Partial Differential Equations
von: Mejia, Gabriel, et al.
Veröffentlicht: (2026)

Puncturing Quantum Stabilizer Codes
von: Gundersen, Jaron Skovsted, et al.
Veröffentlicht: (2024)

Comment on "Provably Trainable Rotationally Equivariant Quantum Machine Learning"
von: Xiao, Zhiming, et al.
Veröffentlicht: (2025)

Trainability Beyond Linearity in Variational Quantum Objectives
von: Ma, Gordon, et al.
Veröffentlicht: (2026)

Digital Quantum Simulation of Reaction-Diffusion Systems on Lattice
von: Yao, Louie Hong
Veröffentlicht: (2024)

Trainability and Expressivity of Hamming-Weight Preserving Quantum Circuits for Machine Learning
von: Monbroussou, Léo, et al.
Veröffentlicht: (2023)

Improving Generalization and Trainability of Quantum Eigensolvers via Graph Neural Encoding
von: Lee, Jungyun, et al.
Veröffentlicht: (2026)

Rethinking Expressibility-Trainability Trade-off in Hybrid Quantum Neural Networks
von: Kashif, Muhammad, et al.
Veröffentlicht: (2026)

Universality of Classically Trainable, Quantum-Deployed Boson-Sampling Generative Models
von: Kurkin, Andrii, et al.
Veröffentlicht: (2026)

Quantum Algorithm for Distributed Reduction of Entanglements (QADR): A Trainable and Simulation-Efficient QML Framework
von: Ahmad, Syed Farhan, et al.
Veröffentlicht: (2026)

Sequential learning on a Tensor Network Born machine with Trainable Token Embedding
von: Hou, Wanda, et al.
Veröffentlicht: (2023)

Special-Unitary Parameterization for Trainable Variational Quantum Circuits
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)

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