摘要由 AI 生成
研究人员利用 Willow 处理器对六种表面码解码器进行了基于真实数据的基准测试。研究构建了包含四种噪声模型的阶梯,涵盖三种代码距离、两个基组和十五轮计数。结果显示,当噪声模型为每种操作类型赋予独立错误率时,排名与硬件结果趋于一致;校准模型虽能降低绝对错误率,但未提升排名一致性。此外,首次独立评估了 NVIDIA 的 Ising 预解码器在训练场域外的表现,其在 280 次评估中的 278 次里,面板中其他解码器在每周期错误率和解码延迟上均达到或优于其性能。研究团队已公开完整评估管道及每次测试的具体结果,以便未来对比不同解码器与设备。
关键实体KEY ENTITIES
IsingNVIDIAWillow processor
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- Willow processor1
- NVIDIA1
- Ising1
全部报道(1)SOURCES
↗
研究人员利用 Willow 处理器对六种表面码解码器进行了基于真实数据的基准测试。该研究构建了包含四个噪声模型的阶梯,涵盖三种代码距离、两个基组和十五轮计数,发现当噪声模型为每种操作类型赋予独立错误率时,排名与硬件结果趋于一致;校准模型虽能降低绝对错误率,但未提升排名一致性。此外,首次独立评估了 NVIDIA 的 Ising 预解码器在训练场域外的表现,结果显示其在 280 次评估中的 278 次里,面板中其他解码器在每周期错误率和解码延迟上均达到或优于其性能。研究团队已公开完整评估管道及每次测试的具体结果,以便未来对比不同解码器与设备。