論文の概要: Geometry-induced correlated noise in qLDPC syndrome extraction

• arxiv url: http://arxiv.org/abs/2604.01040v1
• Date: Wed, 01 Apr 2026 15:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 14:20:22.612378
• Title: Geometry-induced correlated noise in qLDPC syndrome extraction
• Title（参考訳）: qLDPC症候群抽出における幾何学的相関ノイズ
• Authors: Angelo Di Bella,
• Abstract要約: ルート付きジオメトリは、コード、スケジュール、デコーダと共に最適化されるべきである。 BB72上の単一層論理系列最適化は、最悪のケース露光を26.11%削減し、テストされたパワーローウィンドウの論理誤差率を下げる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With code and syndrome-extraction schedule fixed, can routed geometry alone change the correlated fault model enough to impact logical performance? Starting from a geometry-conditioned same-tick interaction Hamiltonian, we derive a controlled retained single-and-pair data-fault model for bivariate-bicycle (BB) layouts. Two geometry metrics emerge in two kernel regimes: under a crossing-local diagnostic kernel, a matching argument reduces the support-level effective fault weight; when every support pair appears in at least one retained round with finite same-round separation, strictly positive kernels saturate the support graph, and weighted exposure becomes the discriminating quantity. Circuit-level Monte Carlo on the $[\![72, 12, 6]\!]$ and $[\![144, 12, 12]\!]$ benchmarks confirms that a biplanar bounded-thickness layout suppresses the monomial single-layer embedding penalty, with weighted exposure tracking logical error rate across 101 operating points (Spearman correlation 0.893). A single-layer logical-family optimization on BB72 reduces worst-case exposure by 26.11% and lowers logical error rate in the tested power-law window. Routed geometry should be optimized together with code, schedule, and decoder.
• Abstract（参考訳）: コードとシンドローム抽出スケジュールが固定された場合、経路幾何学だけで論理的性能に影響を与えるのに十分な相関故障モデルを変更できるだろうか? ハミルトニアンは、幾何学的に条件付けられた同一の相互作用から、二変量二輪車(BB)レイアウトのための制御された一対一のデータフォールトモデルを導出する。 クロスローカライズされた診断カーネルの下では、マッチング引数がサポートレベル有効断層重みを減少させ、全てのサポートペアが有限の同ラウンド分離を持つ少なくとも1つの保持ラウンドに現れると、厳密に正のカーネルがサポートグラフを飽和させ、重み付き露光が識別量となる。 回路レベルのMonte Carlo on the $[\! [72, 12, 6]\! ]$と$[\! 144, 12, 12]\! ベンチマークの結果,両平面境界層厚レイアウトは単相単層埋め込みのペナルティを抑え,露光追跡の論理誤差率を101個の操作点に有する(スピアマン相関0.893)。 BB72上の単一層論理系列最適化は、最悪のケース露光を26.11%削減し、テストされたパワーローウィンドウの論理誤差率を下げる。 ルート付きジオメトリは、コード、スケジュール、デコーダと共に最適化されるべきである。

関連論文リスト

• Cascade-Aware Multi-Agent Routing: Spatio-Temporal Sidecars and Geometry-Switching [0.0]
  スケジューラは負荷とフィットネスを最適化するが、木のようなグラフとサイクリックグラフで障害がどのように伝搬するかのモデルがない。 我々は、この観測可能性ギャップをオンライン幾何学制御問題として定式化する。 時空サイドカーは、どの幾何学が現在のトポロジーに適合するかを予測する。
  論文  参考訳（メタデータ） (2026-03-17T20:10:16Z)
• Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
  手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。 カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。 我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T09:21:21Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment [27.352639822596146]
  クロスワーカーの損失と勾配のばらつきは、従来の監視信号では見えない。 本稿では,標準パイプラインで容易に利用できるトレーニング信号を用いて,作業者レベルの一貫性を定量化する,モデルに依存しない診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T04:42:30Z)
• MathBode: Understanding LLM Reasoning with Dynamical Systems [0.0]
  大規模言語モデル(LLM)における数学的推論のための動的診断法であるMathBodeを提案する。 一つのパラメータを正弦波に駆動し、モデル出力と正確な解の第一高調波応答に適合する。 5つのクローズドフォームファミリにまたがって、診断面は系統的な低域通過挙動と位相ラグを呈し、精度のみを曖昧にしている。
  論文  参考訳（メタデータ） (2025-09-27T06:06:36Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Optimizing Mode Connectivity via Neuron Alignment [84.26606622400423]
  経験的に、損失関数の局所ミニマは、損失がほぼ一定であるようなモデル空間の学習曲線で接続することができる。 本稿では,ネットワークの重み変化を考慮し,対称性がランドスケープ・コネクティビティに与える影響を明らかにするための,より一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-05T02:25:23Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。