研究人员开发了GraphMP,这是一种新颖的基于学习的消息传递解码器,专为量子低密度奇偶校验码设计。该解码器无需微调即可适应各种码族、大小和噪声模型。GraphMP利用局部消息传递实现可扩展性,并采用束搜索来优化错误模式,从而以增加解码时间为代价降低逻辑错误率。该研究还提出了一个“解码器模型工厂”范式,用于利用早期模型的经验来训练后续模型,从而促进知识蒸馏和持续改进。 AI
影响 这项研究可能通过改进纠错方法,从而实现更强大、更高效的量子计算。
排序理由 详细介绍量子纠错新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →