Durch die Widerlegung einer 20 Jahre alten Vermutung zeigt neue Arbeit, dass Quantenlernen kubische Trennungen gegenüber klassischen Methoden erreichen kann – dies stimmt mit bekannten Obergrenzen überein und offenbart Beschleunigungen jenseits der Grover- und Bernstein-Vazira...
Optimale Trennungen der Abfragekomplexität zwischen Quantums- und klassischen Methoden beim exakten Lernen
arxiv.org
September 30, 2026 at 4:42 PM
Durch die Widerlegung einer 20 Jahre alten Vermutung zeigt neue Arbeit, dass Quantenlernen kubische Trennungen gegenüber klassischen Methoden erreichen kann – dies stimmt mit bekannten Obergrenzen überein und offenbart Beschleunigungen jenseits der Grover- und Bernstein-Vazira...
EPFL-Studierende entwickeln Schiiq, erschwingliche Quantencomputer im Tischformat mit NMR-Technologie, um praktisches Quantenlernen weltweit zu ermöglichen. Mit dem Markteintritt im Herbst 2026 soll das vollständig quelloffene Design den Zugang über gut ausgestattete Labore hi...
Schiiq: EPFL-Studierende bringen quelloffene Quantencomputer für Bildung auf den Markt
quantumzeitgeist.com
September 18, 2026 at 7:22 PM
EPFL-Studierende entwickeln Schiiq, erschwingliche Quantencomputer im Tischformat mit NMR-Technologie, um praktisches Quantenlernen weltweit zu ermöglichen. Mit dem Markteintritt im Herbst 2026 soll das vollständig quelloffene Design den Zugang über gut ausgestattete Labore hi...
Ein innovativer Arbeitsablauf macht Quanten-Maschinelles Lernen interpretierbar, indem komplexwertige neuronale Netze in explizite Formeln entfaltet werden und so die Analyse ermöglicht, wie Quanten-Dichtenmatrizen durch Pruning, analytisches Auslesen und symbolische Umschreib...
Interpretierbares Quantenlernen durch strukturiertes Pruning und symbolisches Auslesen
arxiv.org
September 15, 2026 at 10:30 PM
Ein innovativer Arbeitsablauf macht Quanten-Maschinelles Lernen interpretierbar, indem komplexwertige neuronale Netze in explizite Formeln entfaltet werden und so die Analyse ermöglicht, wie Quanten-Dichtenmatrizen durch Pruning, analytisches Auslesen und symbolische Umschreib...
Framework zur statistisch begründeten Entspannung strikter Symmetriebeschränkungen in Quantenlernmodellen. Nutzt Zwei-Kopien-Twirl-Swap-Gatter zur globalen Signaldetektion und zertifizierten Abstiegsmethoden und balanciert Modellkapazitätsgewinne gegen Messkosten durch unabhän...
Statistische Symmetrie-Entspannung im äquivarianten Quantenlernen
arxiv.org
September 11, 2026 at 2:53 AM
Framework zur statistisch begründeten Entspannung strikter Symmetriebeschränkungen in Quantenlernmodellen. Nutzt Zwei-Kopien-Twirl-Swap-Gatter zur globalen Signaldetektion und zertifizierten Abstiegsmethoden und balanciert Modellkapazitätsgewinne gegen Messkosten durch unabhän...
Forscher beweisen, dass zufällige unitäre Operationen mit optimaler Schaltkreistiefe ohne Hilfsbits erzeugt werden können—und dabei eine exponentielle Ressourceneinsparung gegenüber früheren Konstruktionen erzielen. Ermöglicht effizientes Quantenlernen, Metrologie und Gerätebe...
Zufällige Unitäre Operationen mit geringer Tiefe ohne Hilfsbits
arxiv.org
September 9, 2026 at 2:04 AM
Forscher beweisen, dass zufällige unitäre Operationen mit optimaler Schaltkreistiefe ohne Hilfsbits erzeugt werden können—und dabei eine exponentielle Ressourceneinsparung gegenüber früheren Konstruktionen erzielen. Ermöglicht effizientes Quantenlernen, Metrologie und Gerätebe...
Forscher identifizierten eine Zwischenphase – die sogenannte 'Lernphase' – in Quantenschaltkreisen, in der spektrale Nichtflachheit und metrische Reaktion die Informationsverarbeitungskraft maximieren, bevor Systeme ins Quantenchaos abgleiten.
#Quantenschaltkreise #QuantenLernen #Nachrichten
#Quantenschaltkreise #QuantenLernen #Nachrichten
Lernphase in Quantenschaltkreisen: Spektrale Nichtflachheit und Rechenkraft vor dem Chaos
quantumzeitgeist.com
September 4, 2026 at 4:19 PM
Forscher identifizierten eine Zwischenphase – die sogenannte 'Lernphase' – in Quantenschaltkreisen, in der spektrale Nichtflachheit und metrische Reaktion die Informationsverarbeitungskraft maximieren, bevor Systeme ins Quantenchaos abgleiten.
#Quantenschaltkreise #QuantenLernen #Nachrichten
#Quantenschaltkreise #QuantenLernen #Nachrichten
Neues Trainingsframework für Quanten-ML, das Lernen als kohärente Quantendynamik behandelt: Modellparameter werden zu Quantenfreiheitsgraden, die unter Verlust-codierenden Hamiltonianen evolvieren und klassische Optimierungsschleifen durch Quanteninterferenz für höhere Effizie...
Kohärentes Quantenlernen durch Hamiltonsche Evolution
iq.fp2.dev
September 4, 2026 at 3:18 AM
Neues Trainingsframework für Quanten-ML, das Lernen als kohärente Quantendynamik behandelt: Modellparameter werden zu Quantenfreiheitsgraden, die unter Verlust-codierenden Hamiltonianen evolvieren und klassische Optimierungsschleifen durch Quanteninterferenz für höhere Effizie...
Studie offenbart eine intermediäre 'Lernphase', in der spektrale Nichtflachheit und Quanten-Fisher-Information gemeinsam maximiert werden, was skalierbare Informationsverarbeitung ermöglicht, bevor Quantenchaos die Subsystem-Komplexität unterdrückt. Die Ergebnisse vereinen Qua...
Spektrale Nichtflachheit und metrologische Reaktion beim Quantenlernen und Quantensensing
arxiv.org
August 21, 2026 at 4:01 AM
Studie offenbart eine intermediäre 'Lernphase', in der spektrale Nichtflachheit und Quanten-Fisher-Information gemeinsam maximiert werden, was skalierbare Informationsverarbeitung ermöglicht, bevor Quantenchaos die Subsystem-Komplexität unterdrückt. Die Ergebnisse vereinen Qua...
PAS-QFL zerlegt QNNs in gemeinsame und private Ansätze für verteiltes Quantenlernen unter heterogenen Daten. Durch die Personalisierung von Ansatz-Strukturen über reine Parameter hinaus erreicht es überlegene Leistung bei verschiedenen Clients mit klassenunausgeglichenen lokal...
Personalisierte Ansatz-Auswahl für verteiltes Quantenlernen
arxiv.org
August 18, 2026 at 3:20 PM
PAS-QFL zerlegt QNNs in gemeinsame und private Ansätze für verteiltes Quantenlernen unter heterogenen Daten. Durch die Personalisierung von Ansatz-Strukturen über reine Parameter hinaus erreicht es überlegene Leistung bei verschiedenen Clients mit klassenunausgeglichenen lokal...
Beweist, dass die durchschnittliche Schwierigkeit des Lernens gemischter Quantenzustände äquivalent zu ineffizient verifizierbaren One-Way-State-Generatoren ist, und etabliert theoretische Grundlagen, die Quantenlerntheorie mit kryptographischen Primitiven unterhalb klassische...
Quantenlernen-Kryptographie-Äquivalenz für gemischte Zustände
arxiv.org
August 17, 2026 at 9:52 PM
Beweist, dass die durchschnittliche Schwierigkeit des Lernens gemischter Quantenzustände äquivalent zu ineffizient verifizierbaren One-Way-State-Generatoren ist, und etabliert theoretische Grundlagen, die Quantenlerntheorie mit kryptographischen Primitiven unterhalb klassische...
Ein analytisches Framework wandelt klassische neuronale Netzwerkgewichte ohne Gradientenabstieg in Quantenschaltkreise um, erreicht eine Hellinger-Treue von 0,987 auf IBM-Quantenhardware und polynomiale Gradientenskalierung bis zu 128 Qubits.
#QuantenML #Barren-Plateaus #Forschung
#QuantenML #Barren-Plateaus #Forschung
Lie-algebraische Subspace-Quantisierung für Zero-Shot-Quantenlernen und Mitigation von Barren-Plateaus
iq.fp2.dev
July 14, 2026 at 9:32 AM
Ein analytisches Framework wandelt klassische neuronale Netzwerkgewichte ohne Gradientenabstieg in Quantenschaltkreise um, erreicht eine Hellinger-Treue von 0,987 auf IBM-Quantenhardware und polynomiale Gradientenskalierung bis zu 128 Qubits.
#QuantenML #Barren-Plateaus #Forschung
#QuantenML #Barren-Plateaus #Forschung
Das Hamiltonsche Encoding-Framework erreicht eine ~98%ige MNIST-Genauigkeit mit 5-6 Qubits in analogen und digitalen Implementierungen. Der Fixed-Reservoir-Ansatz vermeidet Barren Plateaus, während kontrollierte Dissipation das Quanten-Scrambling unterdrückt und die Lernleistu...
Hamiltonsches Reservoir-Computing für robustes Quantenlernen
iq.fp2.dev
July 10, 2026 at 6:19 AM
Das Hamiltonsche Encoding-Framework erreicht eine ~98%ige MNIST-Genauigkeit mit 5-6 Qubits in analogen und digitalen Implementierungen. Der Fixed-Reservoir-Ansatz vermeidet Barren Plateaus, während kontrollierte Dissipation das Quanten-Scrambling unterdrückt und die Lernleistu...
Einheitlicher Rahmen, der die lerninduzierte spektrale Umorganisation mit experimentell messbarer Quanteninterferenz und Bloch-Raum-Geometrie verbindet, validiert auf Quantenhardware zur Anomalieerkennung im Netzwerkverkehr.
#QuantumMaschinellesLernen #Quantenlernen #Forschung
#QuantumMaschinellesLernen #Quantenlernen #Forschung
Spektralgeometrie und Bosonisch-Bloch-Sonden: Erkundungen im Quantenlernen
iq.fp2.dev
July 2, 2026 at 10:40 AM
Einheitlicher Rahmen, der die lerninduzierte spektrale Umorganisation mit experimentell messbarer Quanteninterferenz und Bloch-Raum-Geometrie verbindet, validiert auf Quantenhardware zur Anomalieerkennung im Netzwerkverkehr.
#QuantumMaschinellesLernen #Quantenlernen #Forschung
#QuantumMaschinellesLernen #Quantenlernen #Forschung
Vergleich von messungsgestützten und kohärenten Quantenstrategien zum Lernen von Eigenschaften von Vielteilchensystemen. Physik-informierte QCNNs erreichen stabiles R²=0,753–0,846 über dynamische Regime hinweg, während klassische Schatten bei moderaten Störungen hervorragend a...
Physik-informiertes Quantenlernen von Überlappungen im niederenergetischen Unterraum
arxiv.org
July 2, 2026 at 9:13 AM
Vergleich von messungsgestützten und kohärenten Quantenstrategien zum Lernen von Eigenschaften von Vielteilchensystemen. Physik-informierte QCNNs erreichen stabiles R²=0,753–0,846 über dynamische Regime hinweg, während klassische Schatten bei moderaten Störungen hervorragend a...
Neuer Algorithmus, der die Koeffizienten von n-Qubit-Lindbladianern mit einer Evolutionszeit von O(gd²log(n)/ε²) unter Verwendung einfacher Pauli-Messungen lernt und frühere Hamiltonian-Lernverfahren auf dissipative offene Quantensysteme erweitert.
#Quantenlernen #OffeneQuantensysteme #Forschung
#Quantenlernen #OffeneQuantensysteme #Forschung
Effizienter Algorithmus zum Strukturlernen lokaler Lindbladianer
iq.fp2.dev
June 30, 2026 at 3:40 PM
Neuer Algorithmus, der die Koeffizienten von n-Qubit-Lindbladianern mit einer Evolutionszeit von O(gd²log(n)/ε²) unter Verwendung einfacher Pauli-Messungen lernt und frühere Hamiltonian-Lernverfahren auf dissipative offene Quantensysteme erweitert.
#Quantenlernen #OffeneQuantensysteme #Forschung
#Quantenlernen #OffeneQuantensysteme #Forschung
WiMis neue SQGEN-Architektur ermöglicht paralleles Quantenlernen und reduziert die Trainingsinstabilität und den Ressourcenverbrauch im Vergleich zu traditionellen QGANs durch synchronisierten Generator-Diskriminator-Betrieb und optimierte Quantenschaltkreise.
WiMis synergistisches Quantengeneratives Netzwerk behebt Einschränkungen beim QGAN-Training
quantumzeitgeist.com
June 23, 2026 at 4:37 PM
WiMis neue SQGEN-Architektur ermöglicht paralleles Quantenlernen und reduziert die Trainingsinstabilität und den Ressourcenverbrauch im Vergleich zu traditionellen QGANs durch synchronisierten Generator-Diskriminator-Betrieb und optimierte Quantenschaltkreise.
Ein neuartiges DQL-Framework mit Konvergenzanalyse unter teilweiser Geräteteilnahme und heterogenen Daten sowie eine mehrschichtige Post-Quanten-Kryptografiearchitektur, die eine Overhead-Reduktion von 49% erreicht und dabei eine Bedrohungserkennungsgenauigkeit von 91% beibehält.
Konvergenzanalyse und adaptive Post-Quanten-Sicherheit für verteiltes Quantenlernen
arxiv.org
June 23, 2026 at 5:56 AM
Ein neuartiges DQL-Framework mit Konvergenzanalyse unter teilweiser Geräteteilnahme und heterogenen Daten sowie eine mehrschichtige Post-Quanten-Kryptografiearchitektur, die eine Overhead-Reduktion von 49% erreicht und dabei eine Bedrohungserkennungsgenauigkeit von 91% beibehält.
Forscher erreichten optimale O(dε⁻¹) Abfragekomplexität zum Erlernen von Quantenentwicklungen mittels klassischer Schattenschätzung, was den Ressourcenbedarf reduziert und neue Maßstäbe für die Charakterisierung von Quantensystemen setzt.
#QuantenLernen #QuantenTomographie #Nachrichten
#QuantenLernen #QuantenTomographie #Nachrichten
Abfrage-optimale Quantenprozess-Tomographie durch klassische Schattenschätzung
quantumzeitgeist.com
June 22, 2026 at 3:41 PM
Forscher erreichten optimale O(dε⁻¹) Abfragekomplexität zum Erlernen von Quantenentwicklungen mittels klassischer Schattenschätzung, was den Ressourcenbedarf reduziert und neue Maßstäbe für die Charakterisierung von Quantensystemen setzt.
#QuantenLernen #QuantenTomographie #Nachrichten
#QuantenLernen #QuantenTomographie #Nachrichten
Forscher reformulieren Quantenkanäle von Hindernissen zu trainierbaren Rechnerressourcen für Quantenmaschinenlernen. Trainierbare Amplitudendämpfungs- und Phasendämpfungskanäle verbessern Optimierungsdynamiken und Vorhersageleistung bei Klassifizierungsaufgaben und erreichtem ...
Trainierbare Quantenkanäle als Rechenprimitive für Quantenlernen
arxiv.org
June 16, 2026 at 7:14 AM
Forscher reformulieren Quantenkanäle von Hindernissen zu trainierbaren Rechnerressourcen für Quantenmaschinenlernen. Trainierbare Amplitudendämpfungs- und Phasendämpfungskanäle verbessern Optimierungsdynamiken und Vorhersageleistung bei Klassifizierungsaufgaben und erreichtem ...
Legt grundsätzliche Grenzen des Quanten-Maschinenlernen fest: Endliche Stichproben können Schaltkreis-Ansätze mit Ausdrucksfähigkeit G ≤ Mε² Gattern nur einheitlich unterstützen und verbinden damit Ausdrucksfähigkeit mit statistischer Lernbarkeit.
#QuantenML #QuantenLernen #Forschung
#QuantenML #QuantenLernen #Forschung
Quanten-Occam-Lernen: Stichprobengestützte Ausdrucksfähigkeit für schaltkreisbasiertes Quanten-Lernen
arxiv.org
June 13, 2026 at 12:09 PM
Legt grundsätzliche Grenzen des Quanten-Maschinenlernen fest: Endliche Stichproben können Schaltkreis-Ansätze mit Ausdrucksfähigkeit G ≤ Mε² Gattern nur einheitlich unterstützen und verbinden damit Ausdrucksfähigkeit mit statistischer Lernbarkeit.
#QuantenML #QuantenLernen #Forschung
#QuantenML #QuantenLernen #Forschung
Die neuartige QGVL-Methode erreicht eine Reduzierung der Trainingszeit um 97% und eine Erfolgsquote von 100% bei der Quantenfehlerkorrektur, während gleichzeitig die Genauigkeit um 15% unter Rauschbedingungen verbessert wird. Ermöglicht skalierbare QEC-Netzwerke durch eine ver...
Globales variationelles Quantenlernen für Quantenfehlerkorrektur
iq.fp2.dev
June 9, 2026 at 6:52 AM
Die neuartige QGVL-Methode erreicht eine Reduzierung der Trainingszeit um 97% und eine Erfolgsquote von 100% bei der Quantenfehlerkorrektur, während gleichzeitig die Genauigkeit um 15% unter Rauschbedingungen verbessert wird. Ermöglicht skalierbare QEC-Netzwerke durch eine ver...
Beweist optimale Θ(√dT log d) Bedauernsrate für Quantenlernen gegen lokale CPTP-Kanal-Abweichungen. Zeigt, dass äußeres Bedauern für Quantenkorrelierte Gleichgewichte unzureichend ist; Kanalrobustheit erfordert Schutz gegen physikalische Vorverarbeitung von Quantenempfehlungen.
Kohärentes Swap-Bedauern und kanalrobustes Lernen in Quantenspielen
arxiv.org
June 3, 2026 at 6:45 AM
Beweist optimale Θ(√dT log d) Bedauernsrate für Quantenlernen gegen lokale CPTP-Kanal-Abweichungen. Zeigt, dass äußeres Bedauern für Quantenkorrelierte Gleichgewichte unzureichend ist; Kanalrobustheit erfordert Schutz gegen physikalische Vorverarbeitung von Quantenempfehlungen.
CULT führt vier verdeckte Backdoor-Angriffe auf Schaltkreisebene beim verteilten Quantenlernen ein, die Grover-, Pauli-, Bit-Flip- und Sign-Flip-Mechanismen ausnutzen. Bereits einzelne böswillige Clients verursachen erhebliche Genauigkeitsverschlechterungen (bis zu 50%), und b...
Backdoor-Angriffe auf Schaltkreisebene beim verteilten Quantenlernen
iq.fp2.dev
May 28, 2026 at 1:07 PM
CULT führt vier verdeckte Backdoor-Angriffe auf Schaltkreisebene beim verteilten Quantenlernen ein, die Grover-, Pauli-, Bit-Flip- und Sign-Flip-Mechanismen ausnutzen. Bereits einzelne böswillige Clients verursachen erhebliche Genauigkeitsverschlechterungen (bis zu 50%), und b...
QTERM wird vorgestellt: ein robustes Quantenlernen-Framework, das rauschbehaftete experimentelle Daten und Ausreißer mit abstimmbaren Verlustfunktionen handhabt und praktisches Quantenmaschinelles Lernen unter realen Bedingungen ermöglicht.
#Quantenlernen #QuantenML #Nachrichten
#Quantenlernen #QuantenML #Nachrichten
Quantenlernen mit abstimmbaren Verlustfunktionen
www.nature.com
May 19, 2026 at 3:45 PM
QTERM wird vorgestellt: ein robustes Quantenlernen-Framework, das rauschbehaftete experimentelle Daten und Ausreißer mit abstimmbaren Verlustfunktionen handhabt und praktisches Quantenmaschinelles Lernen unter realen Bedingungen ermöglicht.
#Quantenlernen #QuantenML #Nachrichten
#Quantenlernen #QuantenML #Nachrichten
Erweitert das Quantenzustandslernen mit minimaler kumulierter Störung von Qubits auf beliebige Dimensionen, überwindet geometrische Hindernisse durch Tangentialraumlinearisierung und erreicht O(d³log²T)-Reue-Schranken.
#Quantentomographie #Quantenlernen #Forschung
#Quantentomographie #Quantenlernen #Forschung
Adaptives Reines Quantenzustandslernen in Höheren Dimensionen mit Minimaler Kumulierter Störung
arxiv.org
May 12, 2026 at 7:15 AM
Erweitert das Quantenzustandslernen mit minimaler kumulierter Störung von Qubits auf beliebige Dimensionen, überwindet geometrische Hindernisse durch Tangentialraumlinearisierung und erreicht O(d³log²T)-Reue-Schranken.
#Quantentomographie #Quantenlernen #Forschung
#Quantentomographie #Quantenlernen #Forschung