Buchumschlag

Model selection in hybrid quantum neural networks with applications to quantum transformer architectures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wadhwa, Harsh, Bhowmick, Rahul, Raj, Naipunnya, Sangle, Rajiv, Bhat, Ruchira V., Sabapathy, Krishnakumar
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantum Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantum Generative Adversarial Autoencoders: Learning latent representations for quantum data generation
von: Raj, Naipunnya, et al.
Veröffentlicht: (2025)

Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines
von: Bhat, Ruchira V, et al.
Veröffentlicht: (2025)

Enhancing variational quantum algorithms by balancing training on classical and quantum hardware
von: Bhowmick, Rahul, et al.
Veröffentlicht: (2025)

Seismic inversion using hybrid quantum neural networks
von: Vashisth, Divakar, et al.
Veröffentlicht: (2025)

Learnable quantum spectral filters for hybrid graph neural networks
von: Daskin, Ammar
Veröffentlicht: (2025)

Restricting to the chip architecture maintains the quantum neural network accuracy
von: Friedrich, Lucas, et al.
Veröffentlicht: (2022)

QGAN-based data augmentation for hybrid quantum-classical neural networks
von: He, Run-Ze, et al.
Veröffentlicht: (2025)

Quantum feedback control with a transformer neural network architecture
von: Vaidhyanathan, Pranav, et al.
Veröffentlicht: (2024)

Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks
von: Lee, Nayoung, et al.
Veröffentlicht: (2025)

Post-variational quantum neural networks
von: Huang, Po-Wei, et al.
Veröffentlicht: (2023)

On the explainability of quantum neural networks based on variational quantum circuits
von: Daskin, Ammar
Veröffentlicht: (2023)

Experimental robustness benchmarking of quantum neural networks on a superconducting quantum processor
von: Zhang, Hai-Feng, et al.
Veröffentlicht: (2025)

Noise-tolerant learnability of shallow quantum circuits from statistics and the cost of quantum pseudorandomness
von: Wadhwa, Chirag, et al.
Veröffentlicht: (2024)

Rapid training of quantum recurrent neural networks
von: Siemaszko, Michał, et al.
Veröffentlicht: (2022)

Effects of noise on the overparametrization of quantum neural networks
von: García-Martín, Diego, et al.
Veröffentlicht: (2023)

A hybrid quantum-classical fusion neural network to improve protein-ligand binding affinity predictions for drug discovery
von: Domingo, L., et al.
Veröffentlicht: (2023)

Quantum neural networks facilitating quantum state classification
von: Sharma, Diksha, et al.
Veröffentlicht: (2025)

Reduction of finite sampling noise in quantum neural networks
von: Kreplin, David A., et al.
Veröffentlicht: (2023)

Feedback-driven recurrent quantum neural network universality
von: Gonon, Lukas, et al.
Veröffentlicht: (2025)

Resource-efficient equivariant quantum convolutional neural networks
von: Chinzei, Koki, et al.
Veröffentlicht: (2024)

Imaging at the quantum limit with convolutional neural networks
von: Proppe, Andrew H., et al.
Veröffentlicht: (2025)

Distinguishing dynamical quantum criticality through local fidelity distances
von: Bhat, Ruchira V, et al.
Veröffentlicht: (2023)

QuFeX: Quantum feature extraction module for hybrid quantum-classical deep neural networks
von: Jain, Naman, et al.
Veröffentlicht: (2025)

A unifying primary framework for quantum graph neural networks from quantum graph states
von: Daskin, Ammar
Veröffentlicht: (2024)

On the effects of biased quantum random numbers on the initialization of artificial neural networks
von: Heese, Raoul, et al.
Veröffentlicht: (2021)

Spectral invariance and maximality properties of the frequency spectrum of quantum neural networks
von: Holzer, Patrick, et al.
Veröffentlicht: (2024)

Hybrid quantum recurrent neural network for remaining useful life prediction
von: Tsurkan, Olga, et al.
Veröffentlicht: (2025)

Trained quantum neural networks are Gaussian processes
von: Girardi, Filippo, et al.
Veröffentlicht: (2024)

Comparing concepts of quantum and classical neural network models for image classification task
von: Potempa, Rafal, et al.
Veröffentlicht: (2021)

Classification and reconstruction for single-pixel imaging with classical and quantum neural networks
von: Manko, Sofya, et al.
Veröffentlicht: (2024)

Dynamical transition in controllable quantum neural networks with large depth
von: Zhang, Bingzhi, et al.
Veröffentlicht: (2023)

Experimental verification of the quantum nature of a neural network
von: Patrascu, Andrei T.
Veröffentlicht: (2022)

Method for noise-induced regularization in quantum neural networks
von: Kuzmin, Viacheslav, et al.
Veröffentlicht: (2024)

HyQuRP: Hybrid quantum-classical neural network with rotational and permutational equivariance
von: Park, Semin, et al.
Veröffentlicht: (2026)

Reinforcement learning-assisted quantum architecture search for variational quantum algorithms
von: Kundu, Akash
Veröffentlicht: (2024)

Reinforcement learning-based architecture search for quantum machine learning
von: Rapp, Frederic, et al.
Veröffentlicht: (2024)

The cross-sectional stock return predictions via quantum neural network and tensor network
von: Kobayashi, Nozomu, et al.
Veröffentlicht: (2023)

What is my quantum computer good for? Quantum capability learning with physics-aware neural networks
von: Hothem, Daniel, et al.
Veröffentlicht: (2024)

When can classical neural networks represent quantum states?
von: Yang, Tai-Hsuan, et al.
Veröffentlicht: (2024)

Seeding neural network quantum states with tensor network states
von: Kaneko, Ryui, et al.
Veröffentlicht: (2025)