09:58
arXiv cs.AI@Ge Yan, Shanchuan Li, Shiyi Xiao, Pengyue Ma, Hanyan Cao, Feng Pan, Yuxuan Du
推荐理由：这篇论文提出了NTU框架，能让小代码训练的知识加速大解码器，在几类量子纠错码上都比现有方法好。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
09:58
本文提出了神经转移统一（NTU）框架，用于高效训练基础解码器。NTU-Transformer解码器在平面表面码[361,1,19]上优于相关感知匹配，并扩展到[625,1,25]码。对于双变量自行车码[72,12,6]，在低物理错误率下超过Relay-BP。该方法通过代数结构对齐不同代码距离的解码任务，实现从小规模代码到大规模解码器的知识迁移。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月20日
07:10