研究提出量子LDPC码解码器GraphMP

Anil Bilgin、Wanda Hou、Pranav Srinivas、Yi-Zhuang You 提出面向量子 LDPC 码的基于学习的消息传递解码器 GraphMP，称其无需微调即可跨码族、码长、物理错误率和噪声模型迁移。 GraphMP 用局部消息传递保持计算可扩展，并由预测引导的 beam search 逐步修正候选错误模式，以更多解码时间换取更低逻辑错误率。 研究同时提出“解码器模型工厂”范式：用模型引导搜索产生的已验证轨迹做知识蒸馏，把解码计算转化为可复用的训练数据，并随噪声变化持续更新模型。上述迁移与效果均为作者在论文中的说法。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。