ترجمه فارسی مقاله ارسال پیام یادگیری ماشینی برای رمزگشایی مقیاس پذیر کدهای QLDPC

360,000 تومان

عنوان مقاله به انگلیسی Machine Learning Message-Passing for the Scalable Decoding of QLDPC Codes
عنوان مقاله به فارسی ترجمه فارسی مقاله ارسال پیام یادگیری ماشینی برای رمزگشایی مقیاس پذیر کدهای QLDPC
نویسندگان Arshpreet Singh Maan, Alexandru Paler
فرمت مقاله انگلیسی PDF
زبان مقاله تحویلی ترجمه فارسی
فرمت مقاله ترجمه شده به صورت فایل ورد
نحوه تحویل ترجمه دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی)
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantum Physics,فیزیک کوانتومی ,
توضیحات Submitted 26 August, 2024; v1 submitted 13 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛V1 ارسال شده 13 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP

NASA ADS

Google Scholar

Semantic Scholar

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.

چکیده

We present Astra, a novel and scalable decoder using graph neural networks. Our decoder works similarly to solving a Sudoku puzzle of constraints represented by the Tanner graph. In general, Quantum Low Density Parity Check (QLDPC) decoding is based on Belief Propagation (BP, a variant of message-passing) and requires time intensive post-processing methods such as Ordered Statistics Decoding (OSD). Without using any post-processing, Astra achieves higher thresholds and better logical error rates when compared to BP+OSD, both for surface codes trained up to distance 11 and Bivariate Bicycle (BB) codes trained up to distance 18. Moreover, we can successfully extrapolate the decoding functionality: we decode high distances (surface code up to distance 25 and BB code up to distance 34) by using decoders trained on lower distances. Astra+OSD is faster than BP+OSD. We show that with decreasing physical error rates, Astra+OSD makes progressively fewer calls to OSD when compared to BP+OSD, even in the context of extrapolated decoding. Astra(+OSD) achieves orders of magnitude lower logical error rates for BB codes compared to BP(+OSD). The source code is open-sourced at \url{https://github.com/arshpreetmaan/astra}.

چکیده به فارسی (ترجمه ماشینی)

ما ASTRA ، یک رمزگذار جدید و مقیاس پذیر را با استفاده از شبکه های عصبی نمودار ارائه می دهیم.رمزگشگر ما به طور مشابه برای حل یک معمای سودوکو از محدودیت های ارائه شده توسط نمودار برنزه کار می کند.به طور کلی ، رمزگشایی چگالی کم کوانتومی (QLDPC) مبتنی بر انتشار اعتقاد (BP ، نوع عبور از پیام) است و به روشهای فشرده پس از پردازش مانند رمزگشایی آمار سفارش داده شده (OSD) نیاز دارد.بدون استفاده از هرگونه پردازش پس از پردازش ، ASTRA در مقایسه با BP+OSD ، آستانه های بالاتری و خطای منطقی بهتری به دست می آورد ، هر دو برای کدهای سطح آموزش داده شده تا فاصله 11 و کدهای دوچرخه دو متغیره (BB) که تا فاصله 18 آموزش دیده اند. علاوه بر این ، ما می توانیم با موفقیت بتوانیم با موفقیتعملکرد رمزگشایی: ما با استفاده از رمزگشایی های آموزش دیده در مسافت های پایین ، مسافت های بالا (کد سطح تا فاصله 25 و کد BB را تا فاصله 34) رمزگشایی می کنیم.ASTRA+OSD سریعتر از BP+OSD است.ما نشان می دهیم که با کاهش نرخ خطای فیزیکی ، ASTRA+OSD در مقایسه با BP+OSD ، حتی در زمینه رمزگشایی برون یابی ، به تدریج تماس های کمتری به OSD انجام می دهد.ASTRA (+OSD) به سفارشات میزان خطای منطقی پایین تر برای کدهای BB در مقایسه با BP (+OSD) دست می یابد.کد منبع در \ url {https://github.com/arshpreetmaan/astra reped باز است.

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “ترجمه فارسی مقاله ارسال پیام یادگیری ماشینی برای رمزگشایی مقیاس پذیر کدهای QLDPC”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا