Fugu-MT 論文翻訳(概要): Neural Polar Decoders for DNA Data Storage

論文の概要: Neural Polar Decoders for DNA Data Storage

arxiv url: http://arxiv.org/abs/2506.17076v1
Date: Fri, 20 Jun 2025 15:26:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-23 19:00:05.51046
Title: Neural Polar Decoders for DNA Data Storage
Title（参考訳）: DNAデータ保存のためのニューラル極性デコーダ
Authors: Ziv Aharoni, Henry D. Pfister,
Abstract要約: 挿入や削除などの同期エラーは、DNAベースのデータストレージシステムにおいて根本的な課題となる。我々は、同期エラーのあるチャネルに対して、低複雑さデコーダを設計するために、NPD(Neural polar decoder)に基づくデータ駆動アプローチを提案する。
参考スコア（独自算出の注目度）: 10.362077573132634
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Synchronization errors, such as insertions and deletions, present a fundamental challenge in DNA-based data storage systems, arising from both synthesis and sequencing noise. These channels are often modeled as insertion-deletion-substitution (IDS) channels, for which designing maximum-likelihood decoders is computationally expensive. In this work, we propose a data-driven approach based on neural polar decoders (NPDs) to design low-complexity decoders for channels with synchronization errors. The proposed architecture enables decoding over IDS channels with reduced complexity $O(AN log N )$, where $A$ is a tunable parameter independent of the channel. NPDs require only sample access to the channel and can be trained without an explicit channel model. Additionally, NPDs provide mutual information (MI) estimates that can be used to optimize input distributions and code design. We demonstrate the effectiveness of NPDs on both synthetic deletion and IDS channels. For deletion channels, we show that NPDs achieve near-optimal decoding performance and accurate MI estimation, with significantly lower complexity than trellis-based decoders. We also provide numerical estimates of the channel capacity for the deletion channel. We extend our evaluation to realistic DNA storage settings, including channels with multiple noisy reads and real-world Nanopore sequencing data. Our results show that NPDs match or surpass the performance of existing methods while using significantly fewer parameters than the state-of-the-art. These findings highlight the promise of NPDs for robust and efficient decoding in DNA data storage systems.
Abstract（参考訳）: 挿入や削除などの同期エラーは、合成とシークエンシングノイズの両方から生じるDNAベースのデータストレージシステムにおいて、根本的な課題となる。これらのチャネルはしばしば挿入削除置換(IDS)チャネルとしてモデル化され、最大形デコーダの設計は計算コストがかかる。本研究では、同期エラーのあるチャネルに対して低複雑さデコーダを設計するための、ニューラル極デコーダ(NPD)に基づくデータ駆動型アプローチを提案する。提案アーキテクチャは、複雑な$O(AN log N )$でIDSチャネル上のデコードを可能にし、$A$はチャネルに依存しないチューニング可能なパラメータである。 NPDはチャネルへのサンプルアクセスのみを必要とし、明示的なチャネルモデルなしでトレーニングすることができる。さらに、NPDは、入力分布とコード設計の最適化に使用できる相互情報(MI)推定を提供する。合成削除チャネルとIDSチャネルの両方においてNPDが有効であることを示す。削除チャネルの場合,NPDはトレリスに基づくデコーダよりもはるかに少ない精度で,ほぼ最適なデコーダ性能とMI推定を実現する。また,削除チャネルのチャネル容量を数値的に推定する。我々は、複数のノイズのある読み出しと実世界のナノポールシークエンシングデータを含む、現実的なDNAストレージ設定まで評価を拡張した。以上の結果から,NPDは従来の手法よりもはるかに少ないパラメータを用いながら,既存の手法の性能に適合するか上回っていることが明らかとなった。これらの知見は、DNAデータストレージシステムにおける堅牢で効率的な復号化のためのNPDの可能性を浮き彫りにしている。

関連論文リスト

Code Rate Optimization via Neural Polar Decoders [19.03393799585162]
ニューラル極復号器(NPD)の応用による通信速度の最適化手法を提案する。チャネル入力と出力間の相互情報(MI)を推定するためにNPDを使用し、入力分布のモデルを最適化する。均一かつ独立かつ同一に分散された入力分布によって達成されたものに対して,MIとBERの大幅な改善が見られた。
論文参考訳（メタデータ） (2025-06-18T19:22:26Z)
Data-Driven Neural Polar Codes for Unknown Channels With and Without Memory [20.793209871685445]
本稿では,メモリを使わずにチャネルの極性符号を設計するためのデータ駆動手法を提案する。提案手法は、逐次キャンセル(SC)デコーダの構造を利用して、ニューラルSCデコーダを考案する。 NSCデコーダはニューラルネットワーク(NN)を使用して、元のSCデコーダの中核要素、チェックノード、ビットノード、ソフトな決定を置き換える。
論文参考訳（メタデータ） (2023-09-06T16:44:08Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
DUIDD: Deep-Unfolded Interleaved Detection and Decoding for MIMO Wireless Systems [25.372069988747114]
繰り返し検出・復号化(IDD)は、マルチアンテナ無線システムにおいて、ほぼキャパシティ性能を実現することが知られている。我々は,IDDの複雑さを低減しつつ,エラー率をさらに低くする新たなパラダイムであるdeep-Unfolded Interleaved Detection and Decoding (DUIDD)を提案する。
論文参考訳（メタデータ） (2022-12-15T13:32:36Z)
NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文参考訳（メタデータ） (2022-09-29T04:06:00Z)
Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文参考訳（メタデータ） (2022-09-16T11:00:50Z)
Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文参考訳（メタデータ） (2021-10-22T20:49:02Z)
Doubly Residual Neural Decoder: Towards Low-Complexity High-Performance Channel Decoding [19.48350605321212]
ディープニューラルネットワークは、デコード性能を改善するためにチャネル符号化に成功している。二重残留ニューラルネットワーク(DRN)デコーダを提案する。 DRNは、複雑さを低く保ちながら、大幅なデコードパフォーマンスの改善を可能にする。
論文参考訳（メタデータ） (2021-02-08T01:48:16Z)
End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
論文参考訳（メタデータ） (2020-09-03T09:10:16Z)
DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。