Exact Maximum Likelihood Decoding beyond Treewidth via Rank-Decomposition Dynamic Programming
이 논문은 입력 크기에 대해서는 다항식이고 랭크-폭(rank-width)에 대해서는 지수적인 산술 복잡도를 가지면서, 전통적인 트리와폭(treewidth) 기반의 텐서 네트워크 방식이 실패하는 펑처드 양자 리드-뮬러 코드(punctured quantum Reed-Muller codes)와 같은 특정 코드 가계의 효율적인 디코딩을 가능하게 하는 랭크-분해 동적 계획법 알고리즘을 소개한다.