Fugu-MT 論文翻訳(概要): Efficient Soft-Output Guessing for Enhanced Quantum Tanner Code Decoding

論文の概要: Efficient Soft-Output Guessing for Enhanced Quantum Tanner Code Decoding

arxiv url: http://arxiv.org/abs/2603.18318v1
Date: Wed, 18 Mar 2026 22:00:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-20 17:19:05.865136
Title: Efficient Soft-Output Guessing for Enhanced Quantum Tanner Code Decoding
Title（参考訳）: 量子タナー符号復号化のためのソフトアウトプットの効率化
Abstract要約: SOGRANDは、標準的な信念伝播とOSDベースラインを最大3桁の論理誤り率で上回る。我々はトラップセットとサイクルを緩和し、収束を改善した。
参考スコア（独自算出の注目度）: 19.115625447007428
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a generalized low-density parity-check decoding framework for quantum Tanner codes utilizing soft-output guessing random additive noise decoding (SOGRAND). By soft-output decoding entire component codes, we mitigate trapping sets and cycles, resulting in improved convergence. SOGRAND, combined with ordered statistic decoding (OSD) post-processing, outperforms the standard belief propagation plus OSD baseline by up to three orders of magnitude in logical error rate, providing a way forward for scalable decoding of the emerging class of Tanner-code-based quantum codes.
Abstract（参考訳）: 本稿では,SOGRAND(Soft-output guessing random additive noise decoding)を用いた量子タナー符号に対する一般化された低密度パリティチェックデコーディングフレームワークを提案する。成分コード全体のソフトアウトプットデコードにより、トラップセットとサイクルが緩和され、コンバージェンスが改善される。 SOGRANDは、順序付き統計復号(OSD)後処理と組み合わせて、標準的な信念伝搬とOSDベースラインを最大3桁の論理誤差率で上回り、タナー符号ベースの量子符号の新たなクラスをスケーラブルに復号する方法を提供する。

関連論文リスト

A Highly Accurate Fast Decoding Framework for QLDPC codes Accelerated by Noise Perturbation and Ensemble Decoding [0.0]
Noise Assisted Ensemble Decoding (NAED) は高精度なデコーディングフレームワークである。 NAEDは、タンナーグラフの非巡回部分グラフとして得られたタンナーの森のアンサンブルを構築し、それぞれのタンナーの森について正確な推論を行う。
論文参考訳（メタデータ） (2026-08-10T13:18:21Z)
Approximate level-by-level maximum-likelihood decoding based on the Chase algorithm for high-rate concatenated stabilizer codes [0.0]
量子誤り訂正符号を用いて論理量子ビットを符号化することが不可欠である。フォールトトレラントプロトコルの理論的進歩により、高水準符号が注目されている。本稿では,高階安定化器符号のための汎用高性能デコーダを提案する。
論文参考訳（メタデータ） (2026-01-26T18:04:29Z)
Power and Limitations of Linear Programming Decoder for Quantum LDPC Codes [0.30912596009895504]
量子エラー訂正符号の復号化は、フォールトトレラントな量子計算を実現する上で重要な課題である。本研究では,量子低密度パリティチェック符号に対する線形プログラミング(LP)デコーディングの鍵となる限界を明らかにする。我々は,順序付き統計復号法(OSD)と呼ばれる後処理技術を導入し,実際にLP復号性能を大幅に向上させる。
論文参考訳（メタデータ） (2025-08-06T18:00:01Z)
Fault Tolerant Decoding of QLDPC-GKP Codes with Circuit Level Soft Information [3.075816977152969]
回路レベルの雑音下でのQLDPC-GKPd符号の性能について検討する。実時間ソフト情報は,回路レベルの雑音下での復号に不可欠であることを示す。
論文参考訳（メタデータ） (2025-05-09T19:11:36Z)
Decoding Quantum LDPC Codes using Collaborative Check Node Removal [0.0]
協調的な手法を用いて反復デコーダの性能を向上させるための戦略を提案する。量子ビットに対する情報計測(IM)と隣接する安定化器チェックを統合することで、より優れた結果を得ることができることを示す。
論文参考訳（メタデータ） (2025-01-14T11:41:45Z)
Decoding Quantum LDPC Codes Using Graph Neural Networks [52.19575718707659]
グラフニューラルネットワーク(GNN)に基づく量子低密度パリティチェック(QLDPC)符号の新しい復号法を提案する。提案したGNNベースのQLDPCデコーダは,QLDPC符号のスパースグラフ構造を利用して,メッセージパスデコーダとして実装することができる。
論文参考訳（メタデータ） (2024-08-09T16:47:49Z)
Learning Linear Block Error Correction Codes [62.25533750469467]
本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
論文参考訳（メタデータ） (2024-05-07T06:47:12Z)
Efficient Encoder-Decoder Transformer Decoding for Decomposable Tasks [53.550782959908524]
エンコーダ・デコーダモデルのための新しい構成を導入し、構造化された出力と分解可能なタスクの効率を改善する。提案手法は,インプットを一度エンコードして並列にデコードすることで,トレーニングと推論の効率を向上する。
論文参考訳（メタデータ） (2024-03-19T19:27:23Z)
Single-shot decoding of good quantum LDPC codes [38.12919328528587]
量子タナー符号が逆雑音の単ショット量子誤り補正(QEC)を促進することを証明した。本稿では,複数ラウンドのQECにおける誤りを抑えるために,並列復号アルゴリズムを各ラウンドで一定時間実行するのに十分であることを示す。
論文参考訳（メタデータ） (2023-06-21T18:00:01Z)
Neural Belief Propagation Decoding of Quantum LDPC Codes Using Overcomplete Check Matrices [60.02503434201552]
元のチェック行列における行の線形結合から生成された冗長な行を持つチェック行列に基づいてQLDPC符号を復号する。このアプローチは、非常に低い復号遅延の利点を付加して、復号性能を著しく向上させる。
論文参考訳（メタデータ） (2022-12-20T13:41:27Z)
Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文参考訳（メタデータ） (2022-09-16T11:00:50Z)
Composed Fine-Tuning: Freezing Pre-Trained Denoising Autoencoders for Improved Generalization [93.95299500688286]
本稿では,出力の妥当性制約を考慮した構造化出力の予測問題に焦点をあてる。本稿では,事前学習したデノイザを組み込んだ予測器を微調整するファインチューニングを提案する。 2層ReLUネットワークの場合、構成した微調整が予測器の複雑さを著しく低減することを示す。
論文参考訳（メタデータ） (2020-06-29T17:14:35Z)
On Sparsifying Encoder Outputs in Sequence-to-Sequence Models [90.58793284654692]
我々はTransformerをテストベッドとして、エンコーダとデコーダの間にあるゲートの層を導入します。ゲートは、パリシティ誘導L0ペナルティの期待値を用いて正規化される。このスペーサー化が2つの機械翻訳と2つの要約タスクに与える影響について検討する。
論文参考訳（メタデータ） (2020-04-24T16:57:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。