PulseAugur
中
实时 13:12:32
English(EN) Efficient foundation decoders for fault-tolerant quantum computing

新框架提高量子计算解码器效率

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为神经迁移统一（NTU）的新框架，以提高容错量子计算基础解码器的效率。该方法允许将从小规模量子代码中学到的知识加速用于训练更大、更复杂的代码的解码器。NTU-Transformer是该框架的一个实例，与现有方法相比，在平面表面代码和双变量自行车代码上表现出优越的性能，特别是在存在电路级噪声和低物理错误率的情况下。 AI

影响 这项研究通过提高纠错机制的效率，有可能加速更强大、可扩展的量子计算机的开发。

排序理由 该集群包含一篇研究论文，详细介绍了改进容错量子计算中使用的解码器的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架提高量子计算解码器效率

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Ge Yan, Shanchuan Li, Shiyi Xiao, Pengyue Ma, Hanyan Cao, Feng Pan, Yuxuan Du ·

    高效基础解码器助力容错量子计算

    arXiv:2606.27119v1 Announce Type: cross Abstract: Foundation decoders, a class of high-capacity neural decoders, are leading candidates for fault-tolerant quantum computing, with accurate and efficient decoding at large code distances. However, their construction often faces a st…

  2. arXiv cs.LG TIER_1 English(EN) · Yuxuan Du ·

    用于容错量子计算的高效基础解码器

    Foundation decoders, a class of high-capacity neural decoders, are leading candidates for fault-tolerant quantum computing, with accurate and efficient decoding at large code distances. However, their construction often faces a steep scaling barrier, as larger code distances rapi…

相关实体

相关话题