跳到正文
热点事件持续更新

Rapids 流式神经解码器加速量子纠错

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

由 Chenyang Jin、Susanne F. Yelin 和 Andi Gu 提出的 Rapids 流式神经解码器通过 FPGA 协同设计,在单片 FPGA 上解码 distance-19 surface code 每轮 syndrome 耗时低于 1 微秒。 该解码器的逻辑错误率比现有实时硬件解码器低 240 倍。该设计还可扩展到 color code 和 [[144,12,12]] bivariate-bicycle code。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    Rapids 流式神经解码器:基于 FPGA 实现高速且低延迟的量子纠错

    Rapids 流式神经解码器通过 FPGA 协同设计,在单片 FPGA 上解码 distance-19 surface code 每轮 syndrome 耗时低于 1 微秒。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。