Qhub-AI/QAdapt
QAdapt v1 This repository contains the final QAdapt checkpoint and the exact Ising-fast T0 e100 baseline used for paired evaluation in QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction. Release version: v1. This is...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🚀 QAdapt — Framework pre-decoding neural thích ứng nhiễu cho bảo mật lỗi quantum
QAdapt là checkpoint nghiên cứu cuối cùng từ bài báo QAdapt: A Noise-Adaptive Neural Pre-Decoding Framework for Quantum Error Correction, kèm baseline Ising-fast T0 e100 dùng cho đánh giá đối chứng.
QAdapt là một mô hình pre-decoding neural được thiết kế để cải thiện hiệu suất bảo mật lỗi (QEC) trên surface code. Dự án sử dụng kiến trúc HTNet kết hợp tính năng rút trích đa dạng không gian-thời gian và cơ chế học liên tục để thích ứng với môi trường nhiễu thay đổi. Đây không phải là mô hình Transformers AutoModel, mà là checkpoint nghiên cứu sử dụng với bản vá từ NVIDIA/Ising-Decoding.
✨ Điểm nổi bật
- Checkpoint QAdapt chính thức: Tệp
Qadapt-r9-v1.safetensorsvới Model ID 111, dựa trên kiến trúc HTNet, 650,374 tham số, receptive field 9. - Baseline Ising-fast đi kèm: Checkpoint
baselines/ising-fast-t0-e100/model.safetensorshuấn luyện trên T0 trong 100 epoch, dùng cho so sánh đối chứng. - Kiến trúc HTNet tiên tiến: Stem tích chất 3D, ba khối hòa trộn không gian-thời gian HTNet, đầu ra 4 kênh dự đoán.
- Học liên tục (Continual Learning): Huấn luyện theo trình tự T0 → T1 → T2 → T3 → T4, mỗi task 20 epoch, tổng 100 epoch.
- Kỹ thuật EWC: Hệ số Q-EWC 100 từ T1 trênward, 65,536 mẫu cho mỗi ước lượng Fisher.
- Pipeline hybrid: Pre-decoder nerual → PyMatching global residual decoder → dự đoán logic.
- Hỗ trợ đánh giá OOD: Chạy 110 job trên lưới cấu hình t合成 với các multiplier khác nhau.
- Zero-shot trên Willow: Đánh giá trực tiếp trên dữ liệu bên thứ ba Willow không cần fine-tuning.
💡 Vì sao đáng chú ý
QAdapt vượ trội nhờ khả năng thích ứng nhiễu động và học liên tục, giảm LER trung bình 9.22% so với baseline Ising-fast. Không chỉ tạo ra kết quả tốt hơn trên cả 5 task T0–T4, mô hình còn giành chiến thắng trong tất cả 110 so sánh cấu hình OOD. Đây là lựa chọn lý tưởng cho nghiên cứu QEC nâng cao và triển khai thực nghiệm trên nền tảng surface code.
#QuantumErrorCorrection #SurfaceCode #NeuralDecoder #PreDecoding #ContinualLearning #TiniX
Similar Projects
Discover other similar projects and AI models.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Model Card for T5 Small !model image(https://camo.githubusercontent.com/623b4dea0b653f2ad3f36c71ebfe749a677ac0a1/68747470733a2f2f6d69726f2e6d656469756d2e636f6d2f6d61782f343030362f312a44304a31674e51663876727255704b657944387750412e706e67) Table of Con...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators ELECTRA is a new method for self-supervised language representation learning. It can be used to pre-train transformer networks using relatively little compute. ELECTRA mode...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...