Beyond-classical Machine learning and AI for Quantum Physics

Projektinformationen

BeMAIQuantum

ID Finanzhilfevereinbarung: 101124342

DOI

10.3030/101124342

EK-Unterschriftsdatum 6 Februar 2024

Startdatum 1 April 2024

Enddatum 31 März 2029

Finanziert unter

• European Research Council (ERC)

Gesamtkosten

€ 1 995 289,00

EU-Beitrag

€ 1 995 289,00

Koordiniert durch

UNIVERSITEIT LEIDEN
Netherlands

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Veröffentlichungen

Peer reviewed articles (10)

Parameterized quantum circuits as universal generative models for continuous multivariate distributions

Autoren: Barthe, A.M.; Grossi, M.; Vallecorsa, S.; Tura Brugués, J.; Dunjko, V.
Veröffentlicht in: npj Quantum Information, 2025, ISSN 2056-6387
Herausgeber: Springer Nature
DOI: 10.48550/ARXIV.2402.09848

Variational quantum generative modeling by sampling expectation values of tunable observables

Autoren: Shen, Kevin; Kurkin, Andrii; Pérez-Salinas, Adrián; Shishenina, Elvira; Dunjko, Vedran; Wang, Hao
Veröffentlicht in: npj Quantum Information, 2025, ISSN 2056-6387
Herausgeber: Springer Nature
DOI: 10.48550/ARXIV.2412.17039

Detecting underdetermination in parameterized quantum circuits

Autoren: Marie Kempkes; Jakob Spiegelberg; Evert van Nieuwenburg; Vedran Dunjko
Veröffentlicht in: Machine Learning: Science and Technology, 2026, ISSN 2632-2153
Herausgeber: IOP
DOI: 10.48550/ARXIV.2504.03315

Error and resource estimates of variational quantum algorithms for solving differential equations based on Runge-Kutta methods

Autoren: David Dechant; Liubov Markovich; Vedran Dunjko; Jordi Tura
Veröffentlicht in: Journal of Mathematical Physics, 2026, ISSN 1089-7658
Herausgeber: AIP
DOI: 10.48550/ARXIV.2412.12262

Exponential quantum advantages in learning quantum observables from classical data

Autoren: Molteni, Riccardo; Gyurik, Casper; Dunjko, Vedran
Veröffentlicht in: npj Quantum Information, 2026, ISSN 2056-6387
Herausgeber: Springer Nature
DOI: 10.48550/ARXIV.2405.02027

Quantum generative modeling for financial time series with temporal correlations

Autoren: David Dechant, Eliot Schwander, Lucas van Drooge, Charles Moussa, Diego Garlaschelli, Vedran Dunjko, Jordi Tura
Veröffentlicht in: Machine Learning: Science and Technology, Ausgabe 7, 2026, ISSN 2632-2153
Herausgeber: IOP Publishing
DOI: 10.1088/2632-2153/AE39A2

Double Descent in Quantum Kernel Methods

Autoren: Marie Kempkes; Aroosa Ijaz; Elies Gil-Fuster; Carlos Bravo-Prieto; Jakob Spiegelberg; Evert van Nieuwenburg; Vedran Dunjko
Veröffentlicht in: PRX Quantum, 2026, ISSN 2691-3399
Herausgeber: APS
DOI: 10.17169/REFUBIUM-51671

Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver

Autoren: Chenyu Shi, Vedran Dunjko, Hao Wang
Veröffentlicht in: Quantum Science and Technology, 2026, ISSN 2058-9565
Herausgeber: IOP
DOI: 10.1088/2058-9565/AE3FC8

Trainability maximization using estimation of distribution algorithms assisted by surrogate modelling for quantum architecture search

Autoren: Soliviev, V.P.; Dunjko, V.; Bielza, C.; Larranaga, P.; Wang, H.
Veröffentlicht in: EPJ Quantum Technology, 2024, ISSN 2196-0763
Herausgeber: Springer Nature
DOI: 10.48550/ARXIV.2407.20091

Universal approximation of continuous functions with minimal quantum circuits

Autoren: Adrián Pérez-Salinas; Mahtab Yaghubi Rad; Alice Barthe; Vedran Dunjko
Veröffentlicht in: Physical Review Research, 2025, ISSN 2643-1564
Herausgeber: APS
DOI: 10.48550/ARXIV.2411.19152

Conference proceedings (3)

Quantum machine learning advantages beyond hardness of evaluation

Autoren: Riccardo Molteni, Simon C. Marshall, Vedran Dunjko
Veröffentlicht in: International Conference on Learning Representations (ICLR 2025), 2026
Herausgeber: OpenReview.net

Improved separation between quantum and classical computers for sampling and functional tasks

Autoren: Marshall, Simon C.; Aaronson, Scott; Dunjko, Vedran
Veröffentlicht in: Proceedings of the 40th Computational Complexity Conference (CCC 2025), 2025
Herausgeber: Schloss Dagstuhl – Leibniz-Zentrum für Informatik
DOI: 10.4230/LIPICS.CCC.2025.5

On the relation between trainability and dequantization of variational quantum learning models

Autoren: Elies Gil-Fuster; Casper Gyurik; Adrián Pérez-Salinas; Vedran Dunjko
Veröffentlicht in: International Conference on Learning Representations (ICLR 2025)., 2024
Herausgeber: OpenReview.net
DOI: 10.48550/ARXIV.2406.07072