Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

LDPC codes

Ondrej Hrouza

Published Jan 1, 2012• 0 citations
OpenAlex

Abstract

Práce se zabývá problematikou LDPC kódů. Jsou zde popsány metody vytváření paritní matice, kde je kladen důraz především na strukturované vytváření této matice za použití konečné geometrie: Euklidovské geometrie a projektivní geometrie. Další oblastí, které se práce věnuje je dekódování LDPC kódů. Práce porovnává čtyři dekódovací metody: Hard-Decision algoritmus, Bit-Flipping algoritmus, The Sum-Product algoritmus a Log Likelihood algoritmus, při kterých je kladen důraz především na iterativní dekódovací metody. Praktickým výstupem práce je program LDPC kódy, který vznik v prostředí Matlab. Tento program je rozdělen na dvě části -- Výuka LDPC kódů a Simulace LDPC kódů. Na základě výsledků získaných z programu Simulace LDPC kódů je vytvořeno porovnání vytvářecích a dekódovacích metod LDPC kódů. Pro porovnávání dekódovacích metod LDPC kódů byly využity BER charakteristiky a časová závislost jednotlivých metod na různých parametrech LDPC kódu (počet iterací nebo velikost paritní matice).

Related papers

Detekční a opravné kódy

Jan Broulím

LDPC kódy se stávají stále častěji populárními a v praxi nasazovanými zejména díky jejich účinnosti při využívání pravděpodobnostního dekodéru. V této práci jsou představeny nové metodologie pro návrh LDPC kódů na bázi genetických optimalizačních algoritmů, pro implementaci LDPC dekodérů na paralelní architektury a pro vylepšováním bitové chybovosti stávajících dekodérů. \n \nLDPC kódy jsou definovány kontrolní maticí nebo Tannerovým grafem, jehož parametry definují vlastnosti a účinnost dekodéru, zejména pak hodnosti uzlů a výskyt cyklů. V této práci je představen algoritmus pro návrh Tannerových grafů s nastavitelným omezením výskytu cyklů, který je dále využíván pro algoritmy genetické optimalizace. Navržené algoritmy jsou testovány na různých délkách kódového slova. \n \nDruhá část dizertační práce se zabývá implementací iregulárních LDPC kódů na paralelní architektury. Představená metoda je prakticky implementovaná na GPU s využitím OpenCL a CUDA frameworků. \n \nPoslední část dizertační práce se zabývá vylepšováním bitové chybovosti stávajících dekodérů. První představená metoda využívá zpětné procházení kódových slov. Druhá představená metoda je založena na využívání mutací kontrolních matic. Mutované kontrolní matice zabezpečují stejný prostor kódových slov, ale mění parametry konvergence dekodéru. Tuto informaci je možné dále využívat pro zpřesnění odhadu původního kódového slova. \n \nBudoucí práce může být zaměřena na rozvoj metod představených v práci, na jejich praktickou implementaci a na vývoj algoritmů zaměřených na LDPC kódy s delší délkou kódového slova.

•Jan 1, 2019•0 citations

SEARCH AND STATE TRANSFER OVER NETWORKS VIA QUANTUM WALK

S. Skoupý

Tématem této práce jsou kvantové procházky a algoritmy na nich založené, především algoritmus pro vyhledávání a algoritmus pro přenos stavu. V první části této práce představíme kvantovou procházku v diskrétním čase s mincí, která je hlavní model používaný v této práci. Dále představíme vyhledávací algoritmus a algoritmus pro přenos stavu, které budou na těchto modelech založené. Další 3 kapitoly po teoretickém úvodu jsou tvořeny publikovanými články, které se zabývají vyhledáváním a přenosem stavu na různých typech grafů. V prvním článku se zabýváme vyhledáváním a přenosem stavu na M-partitním grafu, ve druhém článku se zabýváme vyhledáváním a přenosem na hyperkrychli, poslední vložený článek se zabývá huby u náhodné sítě. V poslední kapitole opět pracujeme s huby, tentokrát napojenými k d-regulárnímu grafu.

•Sep 8, 2025•0 citations

Programming and simulation with quantum computers

Jiří Viták

Přestože kvantové počítače, které mohou překonat konvenční počítače, jsou stále ve vývoji, je pro přípravu na budoucnost kvantové výpočetní techniky zásadní, abychom pokročili v porozumění a vývoji kvantových algoritmů. Tento bakalářský projekt zkoumá rozvíjející se oblast kvantového programování a simulace na aktuálně dostupných kvantových počítačích. Studujeme základy kvantového počítání a shrnujeme běžně používané principy používané v této oblasti. Teoreticky popisujeme kvantové procházky s klíčovým důrazem na varianty s diskrétním časem, které tvoří stěžejní část této práce. Dále představujeme optimalizovanou metodu pro efektivní implementaci kvantových procházek v diskrétním čase vhodnou pro současnou architekturu kvantových počítačů. Ukazujeme, že tato metoda je ve srovnání s běžnými metodami úspěšnější při zkoumání aspektů souvisejících s kvantovými procházkami, jako je dynamika šíření a dokonalý přenos stavu.

•Aug 21, 2024•0 citations

Simulace LDPC kódů pomocí open source nástroje Octave

Michaela Kadúchová

Bakalarska praca sa zaobera tvorbou Low Density Parity Check kodov pomocou programu GNU Octave. V teoretickej casti su vysvetlene blokove kody, z ktorých LDPC kody vychadzaju. Je tu ukazana maticova reprezentacia a taktiež graficka interpretacia LDPC kodov. Ďalej su zmienene zakladne vlastnosti programu, priebeh instalacie a spustenie programu GNU Octave. Na priklade je ukazaný jednoduchý numerický výpocet a vykreslenie Tannerovho grafu v Octave. Samotna realizacia simulacii zahŕňa pseudo-random konstrukciu paritnej matice H, ktora definuje kod. Je tu opisana metoda tvorby algebraickej konstrukcie matice H nazývana Quasi-cyclic kod. V ramci simulacii je ukazane kodovanie a dekodovanie LDPC kodov. V poslednej casti prace su LDPC kody porovnane s inými samoopravnými kodmi.

•Jan 1, 2016•0 citations

State preparation for quantum machine learning

Martin Vidmar

Použitelnost mnohých kvantových algoritmů závisí na možnosti připravit vhodný kvantový stav, na němž bude algoritmus vyhodnocen. Toto platí zejména pro kvantové strojové učení, kde datové sady (které mohou být velké) musí být kvantovému zařízení předány skrz přípravu stavu. Avšak NISQ zařízení (kvantové počítače současné doby) trpí šumem, tudíž kvalita výsledku se značně zhoršuje s počtem hradel. Toto činí exaktní metody přípravy stavu nepoužitelnými pro větší počet qubitů kvůli exponenciální hloubce jejich obvodů. V této práci zkoumáme možnost připravování kvantových stavů aproximativně za účelem snížení vlivu šumu, přičemž se omezujeme na metody, které nepoužívají pomocné qubity. Vyhodnocujeme a porovnáváme tři existující metody přípravy stavu: zaprvé, známou exaktní metodu založenou na uniformně řízených rotacích; zadruhé, navrhnutou aproximativní metodu využívající Schmidtův rozklad; zatřetí, přetvoříme VQE do techniky pro přípravu stavu. Tyto tři metody vyhodnocujeme na simulátorech se šumem. Naše výsledky sestávají ze zevrubné teoretické diskuze těchto algoritmů, velké datové sady výsledků experimentů, a důkladné diskuze těchto výsledků doprovázené mnohými vizualizacemi.

•May 16, 2025•0 citations

Tensor Networks in Machine Learning

Adam Kalvoda

Tato práce se zabývá tenzorovými sítěmi jakožto účinnými strukturami ke zmírnění prokletí dimenzionality ve strojovém učení (ML). Cílem je poskytnout ucelený teoretický základ pro pochopení tenzorů a tenzorových sítí jak z matematického pohledu, tak z perspektivy strojového učení, a současně předvést praktickou implementaci v programovacím jazyce Julia. Práce začíná zavedením základních operací s tenzory a představením jejich diagramové notace. Následně jsou rozebrány strukturální vlastnosti klíčových dekompozičních formátů tenzorových sítí. Na tomto základu je popsáno několik aplikací v učení s učitelem, se zaměřením na klasifikační úlohy, ve kterých jsou tenzorové sítě využity jako modely. Diskutovány jsou rovněž strategie optimalizace parametrů modelů, přičemž zvláštní pozornost je věnována "sweeping optimization". Na závěr je implementován optimalizační algoritmus "sweeping" pro klasifikační model založený na formátu MPS v Julii. Tento klasifikační model je poté aplikován na dataset Fashion-MNIST, což je následováno komparativním rozborem z hlediska výkonnosti, paměťové náročnosti (počtu parametrů) a výpočetní efektivity vůči tradičním neuronovým sítím.

•May 16, 2025•0 citations
Práce se zabývá problematikou LDPC kódů. Jsou zde popsány metody vytváření paritní matice, kde je kladen důraz především na strukturované vytváření této matice za použití konečné geometrie: Euklidovské geometrie a projektivní geometrie. Další oblastí, které se práce věnuje je dekódování LDPC kódů. Práce porovnává čtyři dekódovací metody: Hard-Decision algoritmus, Bit-Flipping algoritmus, The Sum-Product algoritmus a Log Likelihood algoritmus, při kterých je kladen důraz především na iterativní dekódovací metody. Praktickým výstupem práce je program LDPC kódy, který vznik v prostředí Matlab. Tento program je rozdělen na dvě části -- Výuka LDPC kódů a Simulace LDPC kódů. Na základě výsledků získaných z programu Simulace LDPC kódů je vytvořeno porovnání vytvářecích a dekódovacích metod LDPC kódů. Pro porovnávání dekódovacích metod LDPC kódů byly využity BER charakteristiky a časová závislost jednotlivých metod na různých parametrech LDPC kódu (počet iterací nebo velikost paritní matice).
LDPC kódy se stávají stále častěji populárními a v praxi nasazovanými zejména díky jejich účinnosti při využívání pravděpodobnostního dekodéru. V této práci jsou představeny nové metodologie pro návrh LDPC kódů na bázi genetických optimalizačních algoritmů, pro implementaci LDPC dekodérů na paralelní architektury a pro vylepšováním bitové chybovosti stávajících dekodérů. \n \nLDPC kódy jsou definovány kontrolní maticí nebo Tannerovým grafem, jehož parametry definují vlastnosti a účinnost dekodéru, zejména pak hodnosti uzlů a výskyt cyklů. V této práci je představen algoritmus pro návrh Tannerových grafů s nastavitelným omezením výskytu cyklů, který je dále využíván pro algoritmy genetické optimalizace. Navržené algoritmy jsou testovány na různých délkách kódového slova. \n \nDruhá část dizertační práce se zabývá implementací iregulárních LDPC kódů na paralelní architektury. Představená metoda je prakticky implementovaná na GPU s využitím OpenCL a CUDA frameworků. \n \nPoslední část dizertační práce se zabývá vylepšováním bitové chybovosti stávajících dekodérů. První představená metoda využívá zpětné procházení kódových slov. Druhá představená metoda je založena na využívání mutací kontrolních matic. Mutované kontrolní matice zabezpečují stejný prostor kódových slov, ale mění parametry konvergence dekodéru. Tuto informaci je možné dále využívat pro zpřesnění odhadu původního kódového slova. \n \nBudoucí práce může být zaměřena na rozvoj metod představených v práci, na jejich praktickou implementaci a na vývoj algoritmů zaměřených na LDPC kódy s delší délkou kódového slova.
Tématem této práce jsou kvantové procházky a algoritmy na nich založené, především algoritmus pro vyhledávání a algoritmus pro přenos stavu. V první části této práce představíme kvantovou procházku v diskrétním čase s mincí, která je hlavní model používaný v této práci. Dále představíme vyhledávací algoritmus a algoritmus pro přenos stavu, které budou na těchto modelech založené. Další 3 kapitoly po teoretickém úvodu jsou tvořeny publikovanými články, které se zabývají vyhledáváním a přenosem stavu na různých typech grafů. V prvním článku se zabýváme vyhledáváním a přenosem stavu na M-partitním grafu, ve druhém článku se zabýváme vyhledáváním a přenosem na hyperkrychli, poslední vložený článek se zabývá huby u náhodné sítě. V poslední kapitole opět pracujeme s huby, tentokrát napojenými k d-regulárnímu grafu.
Přestože kvantové počítače, které mohou překonat konvenční počítače, jsou stále ve vývoji, je pro přípravu na budoucnost kvantové výpočetní techniky zásadní, abychom pokročili v porozumění a vývoji kvantových algoritmů. Tento bakalářský projekt zkoumá rozvíjející se oblast kvantového programování a simulace na aktuálně dostupných kvantových počítačích. Studujeme základy kvantového počítání a shrnujeme běžně používané principy používané v této oblasti. Teoreticky popisujeme kvantové procházky s klíčovým důrazem na varianty s diskrétním časem, které tvoří stěžejní část této práce. Dále představujeme optimalizovanou metodu pro efektivní implementaci kvantových procházek v diskrétním čase vhodnou pro současnou architekturu kvantových počítačů. Ukazujeme, že tato metoda je ve srovnání s běžnými metodami úspěšnější při zkoumání aspektů souvisejících s kvantovými procházkami, jako je dynamika šíření a dokonalý přenos stavu.
Bakalarska praca sa zaobera tvorbou Low Density Parity Check kodov pomocou programu GNU Octave. V teoretickej casti su vysvetlene blokove kody, z ktorých LDPC kody vychadzaju. Je tu ukazana maticova reprezentacia a taktiež graficka interpretacia LDPC kodov. Ďalej su zmienene zakladne vlastnosti programu, priebeh instalacie a spustenie programu GNU Octave. Na priklade je ukazaný jednoduchý numerický výpocet a vykreslenie Tannerovho grafu v Octave. Samotna realizacia simulacii zahŕňa pseudo-random konstrukciu paritnej matice H, ktora definuje kod. Je tu opisana metoda tvorby algebraickej konstrukcie matice H nazývana Quasi-cyclic kod. V ramci simulacii je ukazane kodovanie a dekodovanie LDPC kodov. V poslednej casti prace su LDPC kody porovnane s inými samoopravnými kodmi.
Použitelnost mnohých kvantových algoritmů závisí na možnosti připravit vhodný kvantový stav, na němž bude algoritmus vyhodnocen. Toto platí zejména pro kvantové strojové učení, kde datové sady (které mohou být velké) musí být kvantovému zařízení předány skrz přípravu stavu. Avšak NISQ zařízení (kvantové počítače současné doby) trpí šumem, tudíž kvalita výsledku se značně zhoršuje s počtem hradel. Toto činí exaktní metody přípravy stavu nepoužitelnými pro větší počet qubitů kvůli exponenciální hloubce jejich obvodů. V této práci zkoumáme možnost připravování kvantových stavů aproximativně za účelem snížení vlivu šumu, přičemž se omezujeme na metody, které nepoužívají pomocné qubity. Vyhodnocujeme a porovnáváme tři existující metody přípravy stavu: zaprvé, známou exaktní metodu založenou na uniformně řízených rotacích; zadruhé, navrhnutou aproximativní metodu využívající Schmidtův rozklad; zatřetí, přetvoříme VQE do techniky pro přípravu stavu. Tyto tři metody vyhodnocujeme na simulátorech se šumem. Naše výsledky sestávají ze zevrubné teoretické diskuze těchto algoritmů, velké datové sady výsledků experimentů, a důkladné diskuze těchto výsledků doprovázené mnohými vizualizacemi.
Tato práce se zabývá tenzorovými sítěmi jakožto účinnými strukturami ke zmírnění prokletí dimenzionality ve strojovém učení (ML). Cílem je poskytnout ucelený teoretický základ pro pochopení tenzorů a tenzorových sítí jak z matematického pohledu, tak z perspektivy strojového učení, a současně předvést praktickou implementaci v programovacím jazyce Julia. Práce začíná zavedením základních operací s tenzory a představením jejich diagramové notace. Následně jsou rozebrány strukturální vlastnosti klíčových dekompozičních formátů tenzorových sítí. Na tomto základu je popsáno několik aplikací v učení s učitelem, se zaměřením na klasifikační úlohy, ve kterých jsou tenzorové sítě využity jako modely. Diskutovány jsou rovněž strategie optimalizace parametrů modelů, přičemž zvláštní pozornost je věnována "sweeping optimization". Na závěr je implementován optimalizační algoritmus "sweeping" pro klasifikační model založený na formátu MPS v Julii. Tento klasifikační model je poté aplikován na dataset Fashion-MNIST, což je následováno komparativním rozborem z hlediska výkonnosti, paměťové náročnosti (počtu parametrů) a výpočetní efektivity vůči tradičním neuronovým sítím.