論文の概要: ADaPT: Adaptive-window Decoding for Practical fault-Tolerance

• arxiv url: http://arxiv.org/abs/2605.01149v1
• Date: Fri, 01 May 2026 22:49:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.61243
• Title: ADaPT: Adaptive-window Decoding for Practical fault-Tolerance
• Title（参考訳）: ADaPT: 実用的なフォールトトレランスのための適応ウィンドウデコーディング
• Authors: Tina Oberoi, Joshua Viszlai, Frederic T. Chong,
• Abstract要約: 本稿では,デコーダの信頼度に基づく適応型ウィンドウデコーディング手法を提案する。 この手法は復号時間のオーバーヘッドを減らし、論理的誤り率を損なうことなく反応時間を短縮する。
• 参考スコア（独自算出の注目度）: 2.3480266888270003
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Window decoding, first proposed to reduce decoding complexity for real-time decoding, is an essential component to realize scalable, universal-fault tolerant computation. Prior work has focused on improving throughput through parallelization and reducing reaction time via speculation on window boundaries. However, these methods use a fixed window size d, paying a fixed decoding time overhead for each window. In practice, we find this overhead of a fixed window size unnecessary in many cases due to the sparsity of average-case errors in QEC. Leveraging this insight, in this paper we propose an adaptive window decoding technique based on decoder confidence. This technique reduces the overhead in decoding time thus reducing reaction time without compromising on logical error rates. We benchmark adaptive window decoding across different codes and hardware inspired noise models. Our results show that this adaptive technique reaches the target error rate while maintaining a low decoding time overhead across different codes, and under different noise models.
• Abstract（参考訳）: リアルタイムデコーディングにおけるデコーディングの複雑さを軽減するために最初に提案されたウィンドウデコーディングは、スケーラブルで普遍的なフォールトトレラントな計算を実現するために欠かせないコンポーネントである。 以前の作業では、並列化によるスループットの向上と、ウィンドウ境界に関する推測による反応時間の削減に重点を置いていた。 しかし、これらのメソッドは固定されたウィンドウサイズdを使用し、各ウィンドウに対して固定されたデコード時間オーバーヘッドを支払う。 実際には、QECにおける平均ケースエラーのばらつきのため、多くの場合、固定ウィンドウサイズのオーバーヘッドは不要である。 本稿では,この知見を活用することで,デコーダの信頼性に基づいた適応型ウィンドウデコーディング手法を提案する。 この手法は復号時間のオーバーヘッドを減らし、論理的誤り率を損なうことなく反応時間を短縮する。 我々は、異なるコードとハードウェアにインスパイアされたノイズモデルでアダプティブウィンドウデコーディングをベンチマークした。 その結果、この適応手法は、異なる符号間の低復号時間オーバーヘッドを維持しつつ、異なる雑音モデルの下で、目標誤差率に達することが判明した。

関連論文リスト

• Spiralformer: Low Latency Encoder for Streaming Speech Recognition with Circular Layer Skipping and Early Exiting [70.75913449565203]
  Transformerベースのエンコーダはブロック処理に広く使われている。 本稿では,ブロック処理に適した新しいエンコーダSpralformerを提案する。 実験の結果,Librispeechにおける平均トークン放出遅延は21.6%減少した。
  論文  参考訳（メタデータ） (2025-10-01T14:56:45Z)
• AdaDecode: Accelerating LLM Decoding with Adaptive Layer Parallelism [17.858104076062897]
  大規模言語モデル (LLM) は、長いコンテンツ生成にますます使われている。 補助モデルや元のモデルパラメータの変更を必要とせずにデコーディングを高速化するAdaDecodeを提案する。 AdaDecodeは最大1.73倍のスピードアップで優れた復号処理を実現している。
  論文  参考訳（メタデータ） (2025-06-04T08:32:30Z)
• WIND: Accelerated RNN-T Decoding with Windowed Inference for Non-blank Detection [17.950722198543897]
  WIND(Windowed Inference for Non-Blank Detection)は、モデル精度を損なうことなく、RNN-T推論を大幅に高速化する新しい手法である。 我々は,ラベルループ技術を用いたグレディ復号化,バッチ化グレディ復号化のためのWINDを実装し,新しいビーム探索復号法を提案する。
  論文  参考訳（メタデータ） (2025-05-19T22:48:01Z)
• Fast correlated decoding of transversal logical algorithms [67.01652927671279]
  大規模計算には量子エラー補正(QEC)が必要であるが、かなりのリソースオーバーヘッドが発生する。 近年の進歩により、論理ゲートからなるアルゴリズムにおいて論理キュービットを共同で復号化することにより、症候群抽出ラウンドの数を削減できることが示されている。 ここでは、回路を介して伝播する関連する論理演算子製品を直接復号することで、回路の復号化の問題を修正する。
  論文  参考訳（メタデータ） (2025-05-19T18:00:00Z)
• Predictive Window Decoding for Fault-Tolerant Quantum Programs [5.258081366634739]
  リアルタイムデコーディングは、将来のフォールトトレラント量子システムにおいて重要な要素である。 ウィンドウ化されたデコード方式では、いくつかのデコードタスクは、他のタスクが完了するまで遅らせる必要がある。 本稿では,従来のコンピュータアーキテクチャにおける分岐予測から着想を得た投機的ウィンドウデコーディング手法を提案する。 従来の並列ウィンドウデコーダと比較すると,アプリケーションの実行時間を平均40%削減できるという憶測がある。
  論文  参考訳（メタデータ） (2024-12-06T15:17:18Z)
• Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
  低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。 提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-06-09T12:08:56Z)
• Faster Diffusion: Rethinking the Role of the Encoder for Diffusion Model Inference [95.42299246592756]
  本稿では,UNetエンコーダについて検討し,エンコーダの特徴を実証的に分析する。 エンコーダの特徴は最小限に変化するが,デコーダの特徴は時間段階によって大きく異なる。 我々は、テキスト・ツー・ビデオ、パーソナライズド・ジェネレーション、参照誘導ジェネレーションといった他のタスクに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2023-12-15T08:46:43Z)
• Fast Chain-of-Thought: A Glance of Future from Parallel Decoding Leads to Answers Faster [61.83949316226113]
  FastCoTは並列デコーディングに基づくモデルに依存しないフレームワークである。 我々は、FastCoTが通常のアプローチと比較して、無視できる性能低下だけで、推論時間を20%近く削減できることを示します。
  論文  参考訳（メタデータ） (2023-11-14T15:56:18Z)

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。