稀疏 Mamba 解码器：量子纠错中高效缺陷中心化处理的深度解析
本文深度解析 Sparse Mamba Decoder (SMD)，这是一种基于缺陷中心化处理的神经解码器，通过 O(k) 复杂度实现了对量子表面码综合征的高效实时解码，性能显著超越传统解码器并比肩 SOTA 模型。
本文深度解析 Sparse Mamba Decoder (SMD)，这是一种基于缺陷中心化处理的神经解码器，通过 O(k) 复杂度实现了对量子表面码综合征的高效实时解码，性能显著超越传统解码器并比肩 SOTA 模型。
本文深度解析 L²M 论文，揭示了自然语言中二分互信息的幂律缩放规律，并推导出模型状态容量与上下文长度的理论约束条件。
本文深度解析了DysonNet架构及其核心ABACUS算法，该技术通过将全局线性层与局部非线性层耦合，实现了单自旋翻转下神经量子态振幅更新的O(1)复杂度，突破了大系统规模下NQS的计算瓶颈。