新量子MDS 元代码,来自埃米提亚自垂直通用Reed-Solomon 代码 (New Quantum MDS codes from Hermitian self-orthogonal generalised Reed-Solomon codes) - 专知论文

会员服务 ·

0

极小点 · 类别 · 论文 ·

2023 年 2 月 13 日

New Quantum MDS codes from Hermitian self-orthogonal generalised Reed-Solomon codes

翻译：新量子MDS 元代码,来自埃米提亚自垂直通用Reed-Solomon 代码

Ruhao Wan,Shixin Zhu

from arxiv, 16 pages, 2 tables. arXiv admin note: text overlap with arXiv:1804.08213, arXiv:1803.06602 by other authors

It is important task to construct quantum maximum-distance-separable (MDS for short) codes with good parameters. In this paper, by using Hermitian self-orthogonal generalized Reed-Solomon (GRS for short) codes, we construct four new classes of quantum MDS codes. Our quantum MDS codes have flexible parameters. And the minimum distances of our quantum MDS codes can be larger than $q/2+1$. Furthermore, it turns out that our constructions generalize and improve some previous results.

翻译：构建具有良好参数的量子最大距离(MDS)代码是重要的任务。在本文中,我们通过使用埃米提亚自垂直通用Reed-Solomon(GRS)代码来构建四类新的量子MDS代码。我们的量子MDS代码有灵活的参数。而我们量子MDS代码的最小距离可以大于$q/2+1美元。此外,我们的构建也概括并改进了以前的一些结果。

0

相关内容

极小点

高效可扩展图神经网络的研究进展，Recent Advances in Efficient and Scalable Graph Neural Networks

高效可扩展图神经网络的研究进展，Recent Advances in Efficient and Scalable Graph Neural Networks

专知会员服务

75+阅读 · 2022年3月15日

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集

专知会员服务

164+阅读 · 2020年3月18日

Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation

Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation

专知会员服务

47+阅读 · 2019年10月17日

Stabilizing Transformers for Reinforcement Learning

Stabilizing Transformers for Reinforcement Learning

专知会员服务

59+阅读 · 2019年10月17日

Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation

Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation

专知会员服务

56+阅读 · 2019年10月17日

Keras François Chollet 《Deep Learning with Python 》, 386页pdf

Keras François Chollet 《Deep Learning with Python 》, 386页pdf

专知会员服务

152+阅读 · 2019年10月12日

强化学习最新教程，17页pdf

强化学习最新教程，17页pdf

专知会员服务

174+阅读 · 2019年10月11日

【加州大学伯克利分校博士论文】通过自我监督预测学习泛化

【加州大学伯克利分校博士论文】通过自我监督预测学习泛化

专知会员服务

64+阅读 · 2019年10月9日

【哈佛大学商学院课程Fall 2019】机器学习可解释性

【哈佛大学商学院课程Fall 2019】机器学习可解释性

专知会员服务

103+阅读 · 2019年10月9日

【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用

【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用

专知会员服务

39+阅读 · 2019年10月9日

VCIP 2022 Call for Demos

VCIP 2022 Call for Demos

CCF多媒体专委会

1+阅读 · 2022年6月6日

全球首个GNN为主的AI创业公司，募资$18.5 million！

全球首个GNN为主的AI创业公司，募资$18.5 million！

图与推荐

1+阅读 · 2022年4月16日

Hierarchically Structured Meta-learning

Hierarchically Structured Meta-learning

CreateAMind

26+阅读 · 2019年5月22日

Transferring Knowledge across Learning Processes

Transferring Knowledge across Learning Processes

CreateAMind

28+阅读 · 2019年5月18日

逆强化学习-学习人先验的动机

逆强化学习-学习人先验的动机

CreateAMind

15+阅读 · 2019年1月18日

强化学习的Unsupervised Meta-Learning

强化学习的Unsupervised Meta-Learning

CreateAMind

17+阅读 · 2019年1月7日

无监督元学习表示学习

无监督元学习表示学习

CreateAMind

27+阅读 · 2019年1月4日

Unsupervised Learning via Meta-Learning

Unsupervised Learning via Meta-Learning

CreateAMind

42+阅读 · 2019年1月3日

A Technical Overview of AI & ML in 2018 & Trends for 2019

A Technical Overview of AI & ML in 2018 & Trends for 2019

待字闺中

17+阅读 · 2018年12月24日

disentangled-representation-papers

disentangled-representation-papers

CreateAMind

26+阅读 · 2018年9月12日

动态Gr？bner 基与GVW算法

国家自然科学基金

0+阅读 · 2014年12月31日

基于纳米发电机的自驱动MEMS/NEMS机理研究

国家自然科学基金

0+阅读 · 2014年12月31日

单链DNA结合蛋白WHIRLY1转录及表观遗传调控植物衰老和细胞死亡的研究

国家自然科学基金

0+阅读 · 2014年12月31日

mTOR功能性单倍体通过ERS-IRE1/α-JNK通路调控乳腺癌细胞药物敏感性的机制研究

国家自然科学基金

0+阅读 · 2013年12月31日

2D系统的有限频域滤波方法研究

国家自然科学基金

0+阅读 · 2012年12月31日

磁控形状记忆合金振动发电机机理、结构及控制策略研究

国家自然科学基金

0+阅读 · 2012年12月31日

函数域中的Vinogradov中值定理

国家自然科学基金

0+阅读 · 2012年12月31日

组团参加国际光学联合会大会

国家自然科学基金

0+阅读 · 2012年8月18日

自供能智能微振动控制系统理论与试验研究

国家自然科学基金

0+阅读 · 2011年12月31日

典型材料多尺度耦合电磁模型与算法研究

国家自然科学基金

0+阅读 · 2009年12月31日

Simple Sorting Criteria Help Find the Causal Order in Additive Noise Models

Arxiv

0+阅读 · 2023年3月31日

Analysis and Comparison of Two-Level KFAC Methods for Training Deep Neural Networks

Analysis and Comparison of Two-Level KFAC Methods for Training Deep Neural Networks

Arxiv

0+阅读 · 2023年3月31日

Reproducibility is Nothing without Correctness: The Importance of Testing Code in NLP

Reproducibility is Nothing without Correctness: The Importance of Testing Code in NLP

Arxiv

0+阅读 · 2023年3月31日

Adaptive Estimators Show Information Compression in Deep Neural Networks

Arxiv

0+阅读 · 2023年3月30日

Far from Asymptopia

Arxiv

0+阅读 · 2023年3月30日

Self-Supervised Learning via Maximum Entropy Coding

Arxiv

13+阅读 · 2022年10月20日

Characterizing and overcoming the greedy nature of learning in multi-modal deep neural networks

Arxiv

10+阅读 · 2022年2月10日

Pre-training Methods in Information Retrieval

Arxiv

16+阅读 · 2021年11月27日

Efficient Deep Learning: A Survey on Making Deep Learning Models Smaller, Faster, and Better

Arxiv

27+阅读 · 2021年6月16日

Self-correcting Q-Learning

Arxiv

11+阅读 · 2020年12月2日

VIP会员

文章信息

相关主题

相关VIP内容

高效可扩展图神经网络的研究进展，Recent Advances in Efficient and Scalable Graph Neural Networks

高效可扩展图神经网络的研究进展，Recent Advances in Efficient and Scalable Graph Neural Networks

专知会员服务

75+阅读 · 2022年3月15日

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集

100+篇《自监督学习(Self-Supervised Learning)》论文最新合集

专知会员服务

164+阅读 · 2020年3月18日

Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation

Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation

专知会员服务

47+阅读 · 2019年10月17日

Stabilizing Transformers for Reinforcement Learning

Stabilizing Transformers for Reinforcement Learning

专知会员服务

59+阅读 · 2019年10月17日

Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation

Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation

专知会员服务

56+阅读 · 2019年10月17日

Keras François Chollet 《Deep Learning with Python 》, 386页pdf

Keras François Chollet 《Deep Learning with Python 》, 386页pdf

专知会员服务

152+阅读 · 2019年10月12日

强化学习最新教程，17页pdf

强化学习最新教程，17页pdf

专知会员服务

174+阅读 · 2019年10月11日

【加州大学伯克利分校博士论文】通过自我监督预测学习泛化

【加州大学伯克利分校博士论文】通过自我监督预测学习泛化

专知会员服务

64+阅读 · 2019年10月9日

【哈佛大学商学院课程Fall 2019】机器学习可解释性

【哈佛大学商学院课程Fall 2019】机器学习可解释性

专知会员服务

103+阅读 · 2019年10月9日

【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用

【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用

专知会员服务

39+阅读 · 2019年10月9日

热门VIP内容

相关资讯

VCIP 2022 Call for Demos

VCIP 2022 Call for Demos

CCF多媒体专委会

1+阅读 · 2022年6月6日

全球首个GNN为主的AI创业公司，募资$18.5 million！

全球首个GNN为主的AI创业公司，募资$18.5 million！

图与推荐

1+阅读 · 2022年4月16日

Hierarchically Structured Meta-learning

Hierarchically Structured Meta-learning

CreateAMind

26+阅读 · 2019年5月22日

Transferring Knowledge across Learning Processes

Transferring Knowledge across Learning Processes

CreateAMind

28+阅读 · 2019年5月18日

逆强化学习-学习人先验的动机

逆强化学习-学习人先验的动机

CreateAMind

15+阅读 · 2019年1月18日

强化学习的Unsupervised Meta-Learning

强化学习的Unsupervised Meta-Learning

CreateAMind

17+阅读 · 2019年1月7日

无监督元学习表示学习

无监督元学习表示学习

CreateAMind

27+阅读 · 2019年1月4日

Unsupervised Learning via Meta-Learning

Unsupervised Learning via Meta-Learning

CreateAMind

42+阅读 · 2019年1月3日

A Technical Overview of AI & ML in 2018 & Trends for 2019

A Technical Overview of AI & ML in 2018 & Trends for 2019

待字闺中

17+阅读 · 2018年12月24日

disentangled-representation-papers

disentangled-representation-papers

CreateAMind

26+阅读 · 2018年9月12日

相关论文

Simple Sorting Criteria Help Find the Causal Order in Additive Noise Models

Arxiv

0+阅读 · 2023年3月31日

Analysis and Comparison of Two-Level KFAC Methods for Training Deep Neural Networks

Analysis and Comparison of Two-Level KFAC Methods for Training Deep Neural Networks

Arxiv

0+阅读 · 2023年3月31日

Reproducibility is Nothing without Correctness: The Importance of Testing Code in NLP

Reproducibility is Nothing without Correctness: The Importance of Testing Code in NLP

Arxiv

0+阅读 · 2023年3月31日

Adaptive Estimators Show Information Compression in Deep Neural Networks

Arxiv

0+阅读 · 2023年3月30日

Far from Asymptopia

Arxiv

0+阅读 · 2023年3月30日

Self-Supervised Learning via Maximum Entropy Coding

Arxiv

13+阅读 · 2022年10月20日

Characterizing and overcoming the greedy nature of learning in multi-modal deep neural networks

Arxiv

10+阅读 · 2022年2月10日

Pre-training Methods in Information Retrieval

Arxiv

16+阅读 · 2021年11月27日

Efficient Deep Learning: A Survey on Making Deep Learning Models Smaller, Faster, and Better

Arxiv

27+阅读 · 2021年6月16日

Self-correcting Q-Learning

Arxiv

11+阅读 · 2020年12月2日

相关基金

动态Gr？bner 基与GVW算法

国家自然科学基金

0+阅读 · 2014年12月31日

基于纳米发电机的自驱动MEMS/NEMS机理研究

国家自然科学基金

0+阅读 · 2014年12月31日

单链DNA结合蛋白WHIRLY1转录及表观遗传调控植物衰老和细胞死亡的研究

国家自然科学基金

0+阅读 · 2014年12月31日

mTOR功能性单倍体通过ERS-IRE1/α-JNK通路调控乳腺癌细胞药物敏感性的机制研究

国家自然科学基金

0+阅读 · 2013年12月31日

2D系统的有限频域滤波方法研究

国家自然科学基金

0+阅读 · 2012年12月31日

磁控形状记忆合金振动发电机机理、结构及控制策略研究

国家自然科学基金

0+阅读 · 2012年12月31日

函数域中的Vinogradov中值定理

国家自然科学基金

0+阅读 · 2012年12月31日

组团参加国际光学联合会大会

国家自然科学基金

0+阅读 · 2012年8月18日

自供能智能微振动控制系统理论与试验研究

国家自然科学基金

0+阅读 · 2011年12月31日

典型材料多尺度耦合电磁模型与算法研究

国家自然科学基金

0+阅读 · 2009年12月31日

微信扫码咨询专知VIP会员