論文の概要: ZeroCode: On-demand Error-Correcting Code Construction from the Zero Matrix via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.34265v1
• Date: Mon, 28 Sep 2026 04:16:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 22:20:12.529289
• Title: ZeroCode: On-demand Error-Correcting Code Construction from the Zero Matrix via Reinforcement Learning
• Title（参考訳）: ZeroCode: 強化学習によるゼロマトリックスからのオンデマンドエラー修正コード構築
• Abstract要約: 我々は、全ゼロ行列から逐次コードを構成する強化学習ベースのアプローチであるZeroCodeを提案する。 ZeroCodeは、個別のシーケンシャルな意思決定問題として構成を定式化する。 従来の RL ベースの構成法に比べて約 1 dB のゲインを (32,16) コードに対して 10-4$ のビット誤り率 (BER) で達成している。
• 参考スコア（独自算出の注目度）: 9.629171269990097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Error-correcting codes (ECCs) are essential across diverse applications, from wireless communications and storage to quantum computing, yet each application imposes distinct design requirements on the parity-check matrix (PCM). To address these on-demand requirements in a unified framework, we propose ZeroCode, a reinforcement learning (RL)-based approach that constructs PCMs sequentially from the all-zero matrix. ZeroCode formulates construction as a discrete sequential decision-making problem and uses proximal policy optimization with action masking to select valid edges. ZeroCode achieves a gain of approximately 1 dB over the prior RL-based construction method at a bit error rate (BER) of $10^{-4}$ for the (32,16) code and outperforms existing genetic, differentiable, and classical code-design methods in our experiments. Beyond optimizing decoding performance, the masking mechanism allows on-demand structural constraints, such as a maximum degree, 4-cycle-free structure, and quasi-cyclic structure, to be flexibly incorporated. Moreover, a single policy rollout yields a library of PCMs with varying edge counts, offering trade-offs between decoding performance and complexity without retraining. Overall, ZeroCode addresses diverse code-design requirements within a unified framework, providing solutions with optimized decoding performance under given constraints.
• Abstract（参考訳）: 誤り訂正符号(ECC)は、無線通信やストレージ、量子コンピューティングなど、様々なアプリケーションにおいて必須であるが、それぞれのアプリケーションはパリティチェック行列(PCM)に異なる設計要件を課している。 統合されたフレームワークでこれらのオンデマンド要求に対処するため、全ゼロ行列からPCMを逐次構築する強化学習(RL)ベースのアプローチであるZeroCodeを提案する。 ZeroCodeは、構成を離散的なシーケンシャルな決定問題として定式化し、アクションマスキングによる近似ポリシー最適化を使用して、有効なエッジを選択する。 ZeroCode は,従来の RL ベースの構成法よりも1dB 程度の差を (32,16) 符号に対して 10^{-4}$ のビット誤り率 (BER) で達成し,既存の遺伝的・微分可能・古典的符号設計法より優れている。 復号性能の最適化以外にも、マスク機構は最大等級、4サイクル自由構造、準循環構造などのオンデマンド構造制約を柔軟に組み込むことができる。 さらに、単一ポリシーのロールアウトによって、エッジ数が異なるPCMのライブラリが生成される。 全体として、ZeroCodeは統一フレームワーク内のさまざまなコード設計要件に対処し、指定された制約の下で最適化されたデコードパフォーマンスを備えたソリューションを提供する。

関連論文リスト

• Noisy Test-Time Reinforcement Learning for Code LLMs [49.18760234865557]
  大規模言語モデル(LLM)は、様々なコード関連タスクで顕著なパフォーマンスを示している。 LLMは曖昧でエラーを起こしやすいため、コードLLMの堅牢性には重大な課題がある。 本稿では,NTRL-Code(Noisy Test-time Reinforcement Learning framework)を提案する。
  論文  参考訳（メタデータ） (2026-09-26T02:50:47Z)
• GeneCS: Synthesizing Resource-Efficient Code Surgery for Arbitrary Quantum Stabilizer Codes [3.088254741965685]
  GeneCSは、任意の安定化符号のためのコード手術プロトコルを合成するためのリソース効率のよいコンパイラである。 実験結果から、GeneCSは平均85%以上のアシラリー量子ビットを削減できることがわかった。
  論文  参考訳（メタデータ） (2026-05-20T21:17:42Z)
• Synthesis and Optimization of Encoding Circuits for Fault-Tolerant Quantum Computation [4.561664406615985]
  任意の安定化器符号に対して効率的なエンコーダを合成する手法を開発した。 図形符号やホログラフィック符号のようなモジュラー構造を持つ族に対しては、最適化された局所構成エンコーダからいかに大きなエンコーダを組み立てるかを示す。 2ビットゲート数では最大43%,深さでは最大70%の改善が得られた。
  論文  参考訳（メタデータ） (2026-05-14T18:00:01Z)
• CAbLECAR: efficiently scheduling QLDPC codes on a tileable spin qubit chip with shuttling [2.6689579741750915]
  タイル型,シャットリング型スピンキュービットアーキテクチャ上でのQLDPCコードの実装について検討する。 シンドローム抽出回路をシャットリングノイズモデルに調整することにより、従来のサーフェスコードの提案を大幅に改善する。 最適化されたスケジュールは、特定のコードファミリーで手動で最適化されたスケジュールよりも最大86%高速であることがわかった。
  論文  参考訳（メタデータ） (2026-04-27T17:44:08Z)
• Optimal Compilation of Syndrome Extraction Circuits for General Quantum LDPC Codes [24.459036277770007]
  我々は,任意のqLDPC符号に対して,奥行き最適シンドローム抽出回路を生成する汎用コンパイルフレームワークであるAuto-Stabilizer-Check(ASC)を提案する。 ASCは回路深さを約50%削減し、一般的なqLDPC符号の論理誤差率を平均7×8倍に抑える。
  論文  参考訳（メタデータ） (2026-03-23T02:43:38Z)
• CodeT5+: Open Code Large Language Models for Code Understanding and Generation [72.1638273937025]
  大きな言語モデル (LLM) は膨大なソースコードで事前訓練されており、コードインテリジェンスにおいて顕著な進歩を遂げている。 CodeT5+は、コンポーネントモジュールを柔軟に組み合わせて、幅広い下流のコードタスクに適合させることができるコードのためのエンコーダ-デコーダLLMのファミリーである。 我々は、ゼロショット、微調整、命令調整を含む20以上のコード関連ベンチマークでCodeT5+を広範囲に評価した。
  論文  参考訳（メタデータ） (2023-05-13T14:23:07Z)
• Modular decoding: parallelizable real-time decoding for quantum computers [55.41644538483948]
  リアルタイム量子計算は、ノイズの多い量子ハードウェアによって生成されたデータのストリームから論理的な結果を取り出すことができる復号アルゴリズムを必要とする。 本稿では,デコーディングの精度を犠牲にすることなく,最小限の追加通信でこの問題に対処できるモジュールデコーディングを提案する。 本稿では,格子探索型耐故障ブロックのモジュールデコーディングの具体例であるエッジ頂点分解について紹介する。
  論文  参考訳（メタデータ） (2023-03-08T19:26:10Z)
• 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)

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。