XiaoMi-AI文件搜索系统
World File Search Systemdecoder
AMBA DesignWare® 和 coreAssembler 简化了意法半导体数字广播控制器和音频解码器的设计流程并改善了设计时序
Andreas Vielhaber，Synopsys 公司，意大利米兰 摘要 当今的片上系统 (SoC) 设计非常复杂，要求新的 SoC 设计项目采用更快、更简单的流程和方法。为了以更快、更低成本将更多 SoC 推向市场，意法半导体与 Synopsys® 专业服务部门联手，为数字音频系统平台设计了一种新的流程和方法。本文介绍了 SYNOPSYS® coreAssembler 如何通过自动化配置和互连步骤、提供实现 AMBA 平台的自动化路径以及使用 VIP 改进验证来简化使用 AMBA DesignWare® 组装 AMBA 系统的过程。该流程已用于设计和验证由意法半导体数字广播无线电部门 (汽车产品组) 开发的数字无线电系统控制器和音频解码器架构。
2D Pauli代码的一般张量网络解码
在这项工作中，我们为2D代码开发了一个通用张量网络解码器。具体而言，我们构成了一个解码器，该解码器近似于2D稳定器和子系统代码，但受Pauli噪声的影响。对于由N量表组成的代码，我们的解码器的运行时间为O（n log n +Nχ3），其中χ是近似参数。我们通过在三种噪声模型下研究四类代码，即规则的表面代码，不规则的表面代码，子系统表面代码和颜色代码，在钻头滑唇，相移，相动式噪声下，通过研究四类代码来证明该解码器的功能。我们表明，我们的解码器所产生的阈值是最新的，并且在数值上与最佳阈值一致，这表明在所有这些情况下，张量网络解码器很好地近似于最佳解码。对我们解码器的小说是任意2D张量网络的有效有效的近似收缩方案，这可能具有独立的关注。我们还发布了该算法的实现，作为独立的朱莉娅软件包：sweepContractor.jl [1]。
信念传播带有量子消息的量子消息，用于经典量子通道上的极地代码
摘要 - 本文考虑了通用古典量子（CQ）通道的极地代码的设计和解码。通过使用量子消息（BPQM）来解码，尤其是配对测量BPQM（PM-BPQM）解码的想法。由于PM-BPQM解码器接受经典的密度演化（DE）分析，因此可以使用DE来设计任何CQ通道的极性代码，然后有效地计算代码速率和错误概率之间的权衡。我们还针对极地代码实施了PM-BPQM解码器的经典模拟。虽然可以在量子计算机上有效地实现解码器，但在古典计算机上模拟解码器实际上具有指数复杂性。因此，解码器的仿真结果受到限制，主要是为了验证我们的理论结果。
一次性多址信道模拟
Abstract —We consider the problem of simulating a two- sender multiple access channel (MAC) for fixed product inputs, where each sender transmits a message to the decoder over a rate-limited noiseless link based on its input and unlimited randomness shared with the decoder. As our main contribution, we characterize the one-shot communication cost region via almost-matching inner and outer bounds phrased in terms of the smooth max-information of the channel. The achievability relies on a rejection-sampling algorithm to simulate a quantization channel between each sender and decoder, and producing the final output based on the output of these intermediate channels. The converse follows via information-spectrum based arguments relating operational quantities to information measures. Our one-shot results recover the single-letter asymptotic rate region for MAC simulation with fixed, independent and identically distributed product inputs, that was obtained in [Kurri et al. , IEEE Transactions on Information Theory 68, 7575 (2022)]. We extend our result to quantum-to-classical channels with a separable decomposition [Atif et al. , IEEE Transactions on Information Theory 68, 1085 (2022)], for which we obtain a similar characterization.
Moseley DSP6000A 数字演播室发射机链接手册
6-1 编码器状态引脚说明 6-2 编码器状态输出有效性 6-3 解码器状态引脚说明 6-4 解码器状态输出有效性 6-5 电源部分 6-6 主音频部分 6-7 辅助音频部分 6-8 外部同步部分 6-9 通道编码器部分 6- 10 时序和模式控制 6-11 主编码器部分 6-12 辅助编码器部分 6-13 主/辅助/数据多路复用器 6-14 异步数据 6-15 编码器显示 6-16 电源部分 6-17 主音频部分 6- 18 辅助音频部分 6-19 AGC 部分 6-20 时钟恢复部分 6-21 时序和模式控制部分 6-22 通道解码器部分 6-23 主解码器部分 6-24 辅助解码器部分 6-25 主/辅助/数据多路复用器 6-26 异步数据 6-27 备件 6-28 解码器显示板 6-29 推荐测试设备 A-1 DSP6000A 阈值与传输速率 A-2 频谱效率模式
![arxiv：2406.13469v2 [CS.CL] 2025年1月11日](/simg/g:\will\search\icon\source\1\1e5e60d2b5ca061a90604b4697de9dfdbf8d5623.webp)
arxiv：2406.13469v2 [CS.CL] 2025年1月11日
本文探讨了编码器和解码器语言模型在词语自然语言理解（NLU）任务上的性能，并广泛着重于语言语言。在扫描基准的基础上构建，最初仅限于评估编码器模型，我们将评估框架扩展到包括解码器模型。我们介绍了一种在NLU任务上进行评估解码器模型的方法，并将其应用于丹麦语，瑞典语，挪威，冰岛，法罗语，德语，德语，荷兰语和英语的语言。通过一系列的演出和分析，我们还解决了有关编码器和解码器模型的比较性能，NLU任务类型的影响以及跨语言资源的变化的问题。我们的发现表明，尽管参数的数量级较少，但编码器模型比解码器模型可以实现明显更好的NLU表现。此外，我们通过UMAP分析研究了解码器与任务性能之间的相关性，从而阐明了解码器和编码器模型的独特功能。本研究有助于更深入地了解NLU任务中的语言模型范例，并为多语言环境中的模型选择和评估提供了有价值的见解。
不使用并查集的并查集量子解码
并查集解码器是一种领先的算法方法，用于纠正表面代码中的量子误差，实现的代码阈值与最小权重完美匹配 (MWPM) 相当，且摊销计算时间与物理量子比特数近乎线性相关。这种复杂性是通过不相交集数据结构提供的优化实现的。然而，我们证明，由于双重分析和算法原因，解码器在大规模上的行为未充分利用此数据结构，并且可以对架构设计进行改进和简化以减少实践中的资源开销。为了加强这一点，我们模拟了解码器形成的擦除簇的行为，并表明在任何操作模式下，数据结构内都不存在渗透阈值。这为解码器在大规模上产生了线性时间最坏情况复杂度，即使使用忽略流行优化的简单实现也是如此。
利用分形拓扑码进行量子纠错
最近，在豪斯多夫维数为 2+ ϵ 的分形格上构造了一类分形表面码 (FSC)，此类码可采用容错非 Clifford CCZ 门 [1]。我们研究了此类 FSC 作为容错量子存储器的性能。我们证明了在豪斯多夫维数为 2 + ϵ 的 FSC 中，存在针对位翻转和相位翻转错误具有非零阈值的解码策略。对于位翻转错误，我们通过对分形格中孔洞的边界进行适当的修改，将为常规 3D 表面码中的串状综合征开发的扫描解码器应用于 FSC。我们对 FSC 的扫描解码器的改进保持了其自校正和单次特性。对于相位翻转错误，我们采用针对点状综合征的最小权重完美匹配 (MWPM) 解码器。对于具有豪斯多夫维数 DH ≈ 2 . 966 的特定 FSC，我们报告了扫描解码器在现象噪声下的可持续容错阈值（∼ 1 . 7% ）和 MWPM 解码器的代码容量阈值（下限为 2 . 95% ）。后者可以映射到分形晶格上限制希格斯跃迁临界点的下限，该下限可通过豪斯多夫维数进行调整。
通过低功耗蓝牙实现脑机接口学习的理论...
图 2：Sadtler 等人 (2014) 的 BCI 学习任务。a. 任务结构示意图。受试者首先参与“校准任务”，即他们被动观察屏幕上中心向外的光标移动。记录的运动皮层神经活动用于构建基线解码器并估计内在流形。然后指示受试者在 BCI 控制下执行中心向外的光标移动，首先使用基线解码器，然后使用通过扰动基线解码器构建的扰动解码器。这种扰动可以保持基线解码器与内在流形的对齐（流形内扰动，或 WMP），也可以破坏它（流形外扰动，或 OMP）。b. 内在流形的低维图示及其与本任务中使用的解码器（在方程 3 中定义）的关系。彩色点表示在校准任务的不同试验期间记录的活动模式，由该试验中呈现的光标速度着色。这些刺激的光标速度用右上方插图中的颜色匹配箭头表示，后续光标控制任务中使用的光标目标用绿色菱形表示。引起的神经活动模式主要位于灰色矩形所示的二维平面内，即所谓的内在流形。三个假设的一维解码器用彩色箭头表示，分别标记为基线解码器、WMP 和 OMP。通过将各个活动模式投影到相应的解码器向量上，可以可视化这些解码器的线性读数的相应分量 y 1 。这以绿色标记的一个活动模式为例，图中显示了其在三个解码器上的投影。由于该活动模式靠近内在流形，因此它会从基线解码器和 WMP 产生较大的读数（即远离原点，在三个解码器的交点处），而基线解码器和 WMP 都与内在流形很好地对齐。相比之下，此活动模式通过 OMP 的读数要弱得多（即其在此解码器上的投影更接近原点），因为此解码器远离固有流形。重要的是要记住，此插图是真实任务的简化卡通，其中固有流形是高维的（8-12D 而不是 2D），并且 BCI 任务依赖于两个读数（y 1 ，y 2 ），而不是一个。