論文の概要: CryoZip: An Efficient Cryogenic Compressor for Quantum Error Correction Syndromes

• arxiv url: http://arxiv.org/abs/2606.30805v1
• Date: Mon, 29 Jun 2026 18:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.968318
• Title: CryoZip: An Efficient Cryogenic Compressor for Quantum Error Correction Syndromes
• Title（参考訳）: CryoZip : 量子エラー補正症候群に対する効率的な低温圧縮機
• Abstract要約: 我々は,軽量な低温量子誤り訂正(QEC)プリデコーダと協調するクロススタック低温圧縮フレームワークであるCryoZipを提案する。 CryoZipは最大48倍の圧縮を実現し、様々なQECコードに対して最先端の圧縮機よりも1.8倍高い。 QECプリデコーダと組み合わせると、14,238倍の帯域幅が減少し、実際のQECインターフェースのオーバーヘッドを考慮すると、省エネが42倍になる。
• 参考スコア（独自算出の注目度）: 34.91011578947761
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling fault tolerant quantum computing is increasingly constrained by the limited bandwidth and power budget across the 4 K to room temperature (RT) interface. We present CryoZip, a cross stack cryogenic compression framework that cooperates with a lightweight cryogenic quantum error correction (QEC) predecoder to reduce 4 K to RT syndrome transmission under realistic, circuit level noise. CryoZip targets sparse syndrome vectors with a sliding window compression architecture sized under strict decoding latency constraints to maximize energy efficiency. We implement and evaluate the design in 22 nm FDSOI characterized at 4 K, using vector based power, performance, and area analysis to obtain realistic hardware data. CryoZip achieves up to 48x compression, 1.8x higher than state of the art compressors, across various QEC codes while delivering 4 to 26x energy savings. When paired with a QEC predecoder, it yields over 14,238x bandwidth reduction, while energy savings rise to 42x when accounting for realistic QEC interface overheads.
• Abstract（参考訳）: フォールトトレラント量子コンピューティングのスケーリングは、4Kから室温(RT)インターフェースにまたがる帯域幅と電力予算の制限により、ますます制限されている。 CryoZipは,QECプリデコーダと協調して4KからRTシンドロームの伝送をリアルな回路レベルのノイズ下で低減するクロススタック低温圧縮フレームワークである。 CryoZipは、エネルギー効率を最大化するために厳格な復号遅延制約の下でサイズを縮小したウィンドウ圧縮アーキテクチャでスパースシンドロームベクトルをターゲットにしている。 ベクトルベース電力, 性能, 面積解析を用いて, 4K特性を持つ22nm FDSOIの設計を実装・評価し, リアルなハードウェアデータを得る。 CryoZipは、最先端の圧縮機よりも1.8倍高い最大48倍圧縮を実現し、様々なQECコードにまたがって4～26倍の省エネを実現している。 QECプリデコーダと組み合わせると、14,238倍の帯域幅が減少し、実際のQECインターフェースのオーバーヘッドを考慮すると、省エネが42倍になる。

関連論文リスト

• Efficient Learned Image Compression without Entropy Coding [62.01837001379442]
  エントロピー符号化自由学習画像圧縮(EF-LIC)を提案する。 EF-LICは、符号化レイテンシの低い統計的および相関的冗長性を排除し、コンパクトな表現を生成するマルチレートフレームワークである。 実験の結果、EF-LIC はコダックの MS-ILLM を LPIPS で67.86% 削減できることがわかった。
  論文  参考訳（メタデータ） (2026-05-22T07:37:30Z)
• Pinball: A Cryogenic Predecoder for Surface Code Decoding Under Circuit-Level Noise [33.64487072591885]
  低温領域におけるスパースエラーを処理するために, 軽量論理を用いた低温前復号法が提案されている。 本稿では,QECプリデコーダの極低温CMOSの総合設計であるPinballについて紹介する。 我々の設計では、現在最先端の極低温プリデコーダの論理誤り率(LER)を6桁近い精度で上回るプリデコード精度を実現している。
  論文  参考訳（メタデータ） (2025-12-10T16:23:00Z)
• 4DGCPro: Efficient Hierarchical 4D Gaussian Compression for Progressive Volumetric Video Streaming [52.76837132019501]
  本稿では,新しい階層型4D圧縮フレームワークである4DGCProを紹介する。 4DGCProは、プログレッシブボリュームビデオストリーミングによるリアルタイムモバイルデコーディングと高品質なレンダリングを容易にする。 エンドツーエンドのエントロピー最適化トレーニングスキームを提案する。
  論文  参考訳（メタデータ） (2025-09-22T08:38:17Z)
• GANCompress: GAN-Enhanced Neural Image Compression with Binary Spherical Quantization [0.0]
  GANCompressは、二元球量子化(BSQ)とGAN(Generative Adversarial Networks)を組み合わせた新しいニューラル圧縮フレームワークである。 GANCompressは圧縮効率を大幅に向上し、ファイルサイズを最大100倍まで削減し、視覚的歪みを最小限に抑える。
  論文  参考訳（メタデータ） (2025-05-19T00:18:27Z)
• 4DGC: Rate-Aware 4D Gaussian Compression for Efficient Streamable Free-Viewpoint Video [56.04182926886754]
  3D Gaussian Splatting (3DGS)は、フォトリアリスティック・フリー・ビューポイント・ビデオ(FVV)体験を可能にする大きな可能性を秘めている。 既存の方法は、動的3DGS表現と圧縮を別々に扱うのが一般的である。 本稿では,FVVのRD性能を向上しつつ,ストレージサイズを大幅に削減するレート対応4Dガウス圧縮フレームワークである4DGCを提案する。
  論文  参考訳（メタデータ） (2025-03-24T08:05:27Z)
• Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
  3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。 FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
  論文  参考訳（メタデータ） (2024-10-10T15:13:08Z)
• GraVAC: Adaptive Compression for Communication-Efficient Distributed DL Training [0.0]
  分散データ並列(DDP)トレーニングは、複数のデバイスがデータのサブセットをトレーニングし、アップデートを集約してグローバルに共有するモデルを生成することにより、アプリケーション全体のスループットを向上させる。 GraVACは、モデル進捗を評価し、圧縮に関連する情報損失を評価することで、トレーニング全体を通して圧縮係数を動的に調整するフレームワークである。 静的圧縮係数を使用するのとは対照的に、GraVACはResNet101、VGG16、LSTMのエンドツーエンドのトレーニング時間をそれぞれ4.32x、1.95x、6.67x削減する。
  論文  参考訳（メタデータ） (2023-05-20T14:25:17Z)
• Exploring Autoencoder-based Error-bounded Compression for Scientific Data [14.724393511470225]
  我々は,SZモデルの観点から,エラーバウンドオートエンコーダベースのフレームワークを開発する。 設計したAEベースエラーバウンド圧縮フレームワークの主段の圧縮品質を最適化する。
  論文  参考訳（メタデータ） (2021-05-25T07:53:32Z)
• Towards Compact CNNs via Collaborative Compression [166.86915086497433]
  チャネルプルーニングとテンソル分解を結合してCNNモデルを圧縮する協調圧縮方式を提案する。 52.9%のFLOPを削減し、ResNet-50で48.4%のパラメータを削除しました。
  論文  参考訳（メタデータ） (2021-05-24T12:07:38Z)
• FantastIC4: A Hardware-Software Co-Design Approach for Efficiently Running 4bit-Compact Multilayer Perceptrons [19.411734658680967]
  深層ニューラルネットワーク(DNN)の高効率な実行エンジンを得るためのソフトウェアハードウェア最適化パラダイムを提案する。 私たちのアプローチは、予測性能の高い多層パーセプトロン(MLP)の面積と電力要件を低減するための手段として、圧縮を中心にしています。 仮想超大規模FPGA XCVU440デバイス実装では総消費電力3.6Wで2.45 TOPSのスループットを達成し、22nmプロセスASICバージョンでは20.17 TOPS/Wの総電力効率を達成できることを示した。
  論文  参考訳（メタデータ） (2020-12-17T19:10:04Z)

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。