Rapids 流式神经解码器加速量子纠错
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
最新进展11月20日 13:00
Rapids 流式神经解码器:基于 FPGA 实现高速且低延迟的量子纠错报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLRapids 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
- –
02.557.510
15:0018:0021:0011月21日03:00
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。