提出可微分最大似然噪声估计框架 dMLE

Feng Pan 等作者在 arXiv 提交论文，提出可微分最大似然噪声估计（dMLE）框架，直接从实验综合征数据学习电路级噪声参数，无需在训练循环中加入解码器。以上内容基于论文摘要，尚属作者声称。 摘要称，在四个超导实验数据集上，dMLE 使重复码逻辑错误率最高降低 30.6%；在 Sycamore d=3 表面码上，使用 dMLE 先验的张量网络解码器仅凭标准综合征、不需要辅助泄漏数据，即达到与 AlphaQubit 报告结果相当的逻辑错误率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。