Beyond-classical Machine learning and AI for Quantum Physics

Informations projet

BeMAIQuantum

N° de convention de subvention: 101124342

DOI

10.3030/101124342

Date de signature de la CE 6 Février 2024

Date de début 1 Avril 2024

Date de fin 31 Mars 2029

Financé au titre de

• European Research Council (ERC)

Coût total

€ 1 995 289,00

Contribution de l’UE

€ 1 995 289,00

Coordonné par

UNIVERSITEIT LEIDEN
Netherlands

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (10)

Parameterized quantum circuits as universal generative models for continuous multivariate distributions

Auteurs: Barthe, A.M.; Grossi, M.; Vallecorsa, S.; Tura Brugués, J.; Dunjko, V.
Publié dans: npj Quantum Information, 2025, ISSN 2056-6387
Éditeur: Springer Nature
DOI: 10.48550/ARXIV.2402.09848

Variational quantum generative modeling by sampling expectation values of tunable observables

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

Detecting underdetermination in parameterized quantum circuits

Auteurs: Marie Kempkes; Jakob Spiegelberg; Evert van Nieuwenburg; Vedran Dunjko
Publié dans: Machine Learning: Science and Technology, 2026, ISSN 2632-2153
Éditeur: IOP
DOI: 10.48550/ARXIV.2504.03315

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

Auteurs: David Dechant; Liubov Markovich; Vedran Dunjko; Jordi Tura
Publié dans: Journal of Mathematical Physics, 2026, ISSN 1089-7658
Éditeur: AIP
DOI: 10.48550/ARXIV.2412.12262

Exponential quantum advantages in learning quantum observables from classical data

Auteurs: Molteni, Riccardo; Gyurik, Casper; Dunjko, Vedran
Publié dans: npj Quantum Information, 2026, ISSN 2056-6387
Éditeur: Springer Nature
DOI: 10.48550/ARXIV.2405.02027

Quantum generative modeling for financial time series with temporal correlations

Auteurs: David Dechant, Eliot Schwander, Lucas van Drooge, Charles Moussa, Diego Garlaschelli, Vedran Dunjko, Jordi Tura
Publié dans: Machine Learning: Science and Technology, Numéro 7, 2026, ISSN 2632-2153
Éditeur: IOP Publishing
DOI: 10.1088/2632-2153/AE39A2

Double Descent in Quantum Kernel Methods

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

Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver

Auteurs: Chenyu Shi, Vedran Dunjko, Hao Wang
Publié dans: Quantum Science and Technology, 2026, ISSN 2058-9565
Éditeur: IOP
DOI: 10.1088/2058-9565/AE3FC8

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

Auteurs: Soliviev, V.P.; Dunjko, V.; Bielza, C.; Larranaga, P.; Wang, H.
Publié dans: EPJ Quantum Technology, 2024, ISSN 2196-0763
Éditeur: Springer Nature
DOI: 10.48550/ARXIV.2407.20091

Universal approximation of continuous functions with minimal quantum circuits

Auteurs: Adrián Pérez-Salinas; Mahtab Yaghubi Rad; Alice Barthe; Vedran Dunjko
Publié dans: Physical Review Research, 2025, ISSN 2643-1564
Éditeur: APS
DOI: 10.48550/ARXIV.2411.19152

Conference proceedings (3)

Quantum machine learning advantages beyond hardness of evaluation

Auteurs: Riccardo Molteni, Simon C. Marshall, Vedran Dunjko
Publié dans: International Conference on Learning Representations (ICLR 2025), 2026
Éditeur: OpenReview.net

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

Auteurs: Marshall, Simon C.; Aaronson, Scott; Dunjko, Vedran
Publié dans: Proceedings of the 40th Computational Complexity Conference (CCC 2025), 2025
Éditeur: 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

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