論文の概要: Implicit Neural Multiple Description for DNA-based data storage

• arxiv url: http://arxiv.org/abs/2309.06956v1
• Date: Wed, 13 Sep 2023 13:42:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 14:11:46.948755
• Title: Implicit Neural Multiple Description for DNA-based data storage
• Title（参考訳）: DNAベースのデータストレージのためのインプシット・ニューラル多重記述法
• Authors: Trung Hieu Le, Xavier Pic, Jeremy Mateos and Marc Antonini
• Abstract要約: DNAは、ストレージ密度と長期的な安定性のために、データストレージソリューションとして大きな可能性を秘めている。 しかし、この新素材の開発には、特に貯蔵や生物学的操作によるエラーに対処する上で、独自の課題が伴う。 我々は,DNAデータ記憶にニューラルネットワークを利用する,新しい圧縮手法と最先端の多重記述符号化(MDC)技術を開発した。
• 参考スコア（独自算出の注目度）: 6.423239719448169
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: DNA exhibits remarkable potential as a data storage solution due to its impressive storage density and long-term stability, stemming from its inherent biomolecular structure. However, developing this novel medium comes with its own set of challenges, particularly in addressing errors arising from storage and biological manipulations. These challenges are further conditioned by the structural constraints of DNA sequences and cost considerations. In response to these limitations, we have pioneered a novel compression scheme and a cutting-edge Multiple Description Coding (MDC) technique utilizing neural networks for DNA data storage. Our MDC method introduces an innovative approach to encoding data into DNA, specifically designed to withstand errors effectively. Notably, our new compression scheme overperforms classic image compression methods for DNA-data storage. Furthermore, our approach exhibits superiority over conventional MDC methods reliant on auto-encoders. Its distinctive strengths lie in its ability to bypass the need for extensive model training and its enhanced adaptability for fine-tuning redundancy levels. Experimental results demonstrate that our solution competes favorably with the latest DNA data storage methods in the field, offering superior compression rates and robust noise resilience.
• Abstract（参考訳）: DNAは、その顕著な貯蔵密度と、その固有の生体分子構造から生じる長期的な安定性のために、データ保存ソリューションとして大きな可能性を秘めている。 しかし、この新しい媒体の開発には、ストレージや生物学的操作から生じるエラーに対処するという、独自の課題が伴う。 これらの課題は、DNA配列の構造的制約とコスト考慮によってさらに条件付けられている。 これらの制約に対応するため、我々は、DNAデータ記憶にニューラルネットワークを利用する新しい圧縮スキームと最先端の多重記述符号化(MDC)技術を開発した。 我々のMDC法はDNAにデータをエンコードする革新的な手法を導入している。 特に,新しい圧縮方式は,DNAデータ記憶のための古典的な画像圧縮手法を上回ります。 さらに,本手法はオートエンコーダに依存した従来のMDC法よりも優れていることを示す。 その特筆すべき強みは、広範なモデルトレーニングの必要性を回避できる能力と、微調整冗長性レベルへの適応性の向上にある。 実験の結果,提案手法は現場における最新のDNAデータ保存手法と良好に競合し,優れた圧縮速度と頑健な耐雑音性を提供することが示された。

関連論文リスト

• HybriDNA: A Hybrid Transformer-Mamba2 Long-Range DNA Language Model [70.69095062674944]
  ハイブリッドトランスフォーマー-マンバ2アーキテクチャを組み込んだデコーダのみのDNA言語モデルであるHybriDNAを提案する。 このハイブリッド設計により、HybriDNAはDNA配列を最大131kbまで効率よく単一のヌクレオチド分解能で処理できる。 HybriDNAは、BEND、GUE、LRBベンチマークから算出された33のDNA理解データセットにまたがる最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-15T14:23:43Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• ADRS-CNet: An adaptive dimensionality reduction selection and classification network for DNA storage clustering algorithms [8.295062627879938]
  PCA、UMAP、t-SNEといった手法は、高次元の特徴を低次元空間に投影するために一般的に用いられる。 本稿では,入力DNA配列の特徴を分類する多層パーセプトロンモデルを訓練し,最適次元削減法を適応的に選択する。
  論文  参考訳（メタデータ） (2024-08-22T22:26:41Z)
• Efficient Automation of Neural Network Design: A Survey on Differentiable Neural Architecture Search [70.31239620427526]
  微分可能なニューラルネットワーク探索(DNAS)は、ディープニューラルネットワークアーキテクチャの発見を自動化するトレンドのアプローチとして、急速に自らを強制した。 この増加は主に、最初の主要なDNAS法の一つであるDARTSの人気が原因である。 本総説では,DNASに特に焦点をあて,最近のアプローチを概観する。
  論文  参考訳（メタデータ） (2023-04-11T13:15:29Z)
• Image Storage on Synthetic DNA Using Autoencoders [6.096779295981377]
  本稿では,DNAデータ記憶に適応した畳み込みオートエンコーダを用いた画像圧縮手法について述べる。 ここで提示されたモデルアーキテクチャは、画像を効率よく圧縮し、それを第四次コードにエンコードし、最終的に合成DNA分子に格納するように設計されている。
  論文  参考訳（メタデータ） (2022-03-18T14:17:48Z)
• Single-Read Reconstruction for DNA Data Storage Using Transformers [0.0]
  エンコーダ・デコーダ・トランスフォーマアーキテクチャを用いたDNAベースのデータストレージのためのシングルリード再構成手法を提案する。 本モデルでは,DNA鎖の1つの読み取りから元のデータを再構成する際の誤り率を低くする。 これは、DNAベースのストレージにおけるシングルリード再構築にディープラーニングモデルを使用した最初のデモンストレーションである。
  論文  参考訳（メタデータ） (2021-09-12T10:01:59Z)
• Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and Deep Learning [49.3231734733112]
  シミュレーションデータに基づいてトレーニングされたDeep Neural Networks(DNN)、Product(TP)ベースのエラー修正コード(ECC)、安全マージンを1つのコヒーレントパイプラインに組み合わせたモジュラーで総合的なアプローチを示す。 我々の研究は, 最大で x3200 の速度向上, 40%の精度向上により, 現在の指導的ソリューションの改善を実現し, 高雑音下では1ベースあたり1.6ビットのコードレートを提供する。
  論文  参考訳（メタデータ） (2021-08-31T18:21:20Z)
• Brain Image Synthesis with Unsupervised Multivariate Canonical CSC$\ell_4$Net [122.8907826672382]
  我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
  論文  参考訳（メタデータ） (2021-03-22T05:19:40Z)
• Efficient approximation of DNA hybridisation using deep learning [0.0]
  本研究は,DNAハイブリダイゼーションの予測に応用された機械学習手法の総合的研究である。 機械学習アルゴリズムの広い範囲の使用を可能にする2.5百万以上のデータポイントの合成ハイブリッド化データセットを紹介します。
  論文  参考訳（メタデータ） (2021-02-19T19:23:49Z)
• Neural Network Compression for Noisy Storage Devices [71.4102472611862]
  従来、モデル圧縮と物理ストレージは分離される。 このアプローチでは、ストレージは圧縮されたモデルの各ビットを等しく扱い、各ビットに同じ量のリソースを割り当てるように強制される。 i) 各メモリセルの容量を最大化するためにアナログメモリを使用し, (ii) モデル圧縮と物理ストレージを共同で最適化し, メモリの有用性を最大化する。
  論文  参考訳（メタデータ） (2021-02-15T18:19:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。