arXiv · quant-ph· Bin Cheng, Feng Pan·· 8 天前精选
Rank-Deposition动态规划实现超越树宽的精确最大似然译码
Exact Maximum Likelihood Decoding beyond Treewidth via Rank-Decomposition Dynamic Programming
arXiv:2609.39556v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Bin Cheng, Feng Pan
首次提交：2026-09-30 19:54
研究任务与主要进展
Bin Cheng与Feng Pan提出Rank-Deposition动态规划（Rank DP），用于在随机Pauli噪声下实现量子纠错的精确最大似然译码。
阶段、条件与复现 · 深读核对
- 理论、模拟、逻辑存储实验还是逻辑门演示？
- 码距、轮次、逻辑误差口径与后选择条件是什么？
- 译码延迟、资源开销与容错扩展路径是否给出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
该工作将量子纠错中的精确最大似然译码从指数依赖树宽的张量网络收缩，推进为指数依赖Tanner图秩宽、并在特定秩分解下具有多项式算术复杂度的Rank-Depposition动态规划评估器。高斯消元后的特定码族结果和数值实验显示其在测试实例上的运行优势，但摘要未说明完整基准条件、硬件环境与实现细节，且结论目前仅基于论文摘要。本站设想：可在相同噪声模型、码族和精度要求下，比较Rank-Deposition动态规划与张量网络收缩的秩宽、运行时间和内存扩展性。
来源：arXiv · quant-ph · arxiv.org