Beyond-classical Machine learning and AI for Quantum Physics

Informazioni relative al progetto

BeMAIQuantum

ID dell’accordo di sovvenzione: 101124342

DOI

10.3030/101124342

Data della firma CE 6 Febbraio 2024

Data di avvio 1 Aprile 2024

Data di completamento 31 Marzo 2029

Finanziato da

• European Research Council (ERC)

Costo totale

€ 1 995 289,00

Contributo UE

€ 1 995 289,00

Coordinato da

UNIVERSITEIT LEIDEN
Netherlands

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Peer reviewed articles (10)

Parameterized quantum circuits as universal generative models for continuous multivariate distributions

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

Variational quantum generative modeling by sampling expectation values of tunable observables

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

Detecting underdetermination in parameterized quantum circuits

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

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

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

Exponential quantum advantages in learning quantum observables from classical data

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

Quantum generative modeling for financial time series with temporal correlations

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

Double Descent in Quantum Kernel Methods

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

Weighted Approximate Quantum Natural Gradient for Variational Quantum Eigensolver

Autori: Chenyu Shi, Vedran Dunjko, Hao Wang
Pubblicato in: Quantum Science and Technology, 2026, ISSN 2058-9565
Editore: IOP
DOI: 10.1088/2058-9565/AE3FC8

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

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

Universal approximation of continuous functions with minimal quantum circuits

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

Conference proceedings (3)

Quantum machine learning advantages beyond hardness of evaluation

Autori: Riccardo Molteni, Simon C. Marshall, Vedran Dunjko
Pubblicato in: International Conference on Learning Representations (ICLR 2025), 2026
Editore: OpenReview.net

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

Autori: Marshall, Simon C.; Aaronson, Scott; Dunjko, Vedran
Pubblicato in: Proceedings of the 40th Computational Complexity Conference (CCC 2025), 2025
Editore: 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

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