論文の概要: ACOR: incremental evidence accumulation towards real-time DNA storage reconstruction

• arxiv url: http://arxiv.org/abs/2610.36500v1
• Date: Tue, 27 Oct 2026 01:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.462828
• Title: ACOR: incremental evidence accumulation towards real-time DNA storage reconstruction
• Title（参考訳）: ACOR: リアルタイムDNA保存の再構築に向けたインクリメンタルエビデンス
• Abstract要約: ストリーム再構築は、エビデンス処理とシークエンシングを重複させる手段を提供する。 本稿では,永続台帳における$k$-mer遷移とバウンダリサポートを記録するストリーミングコンセンサス再構築手法ACORを提案する。 パラレルACORはテストされたシリアルベースライン構成と比較して数十倍から1000倍のスピードアップを達成した。
• 参考スコア（独自算出の注目度）: 8.705177631462963
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: DNA offers high-density, durable storage by encoding digital information into synthetic strands and retrieving it through sequencing. Sequence reconstruction combines noisy copies of each strand before downstream decoding. Conventional offline methods typically reconstruct completed read clusters, separating reconstruction from ongoing read collection. Streaming reconstruction offers a way to overlap evidence processing with sequencing and reduce the computation remaining before downstream decoding. We present ACOR, a streaming consensus reconstruction method that records $k$-mer transitions and boundary support in a persistent ledger, then decodes through length-constrained beam search and priority-based selection at cluster closure. Evaluation on real and simulated DNA-storage datasets showed competitive recovery. On our own short-read next-generation sequencing (NGS) wet-lab library, ACOR combined near-complete recovery with second-scale reconstruction of more than ten million reads. A smaller public benchmark was completed in a fraction of a second. Parallel ACOR achieved speedups of tens to over a thousand-fold relative to the tested serial baseline configurations. Sparse storage reduced high-context memory requirements, while parallel execution accelerated reconstruction computation. ACOR is designed for streaming readout pipelines that process assigned reads while sequencing continues.
• Abstract（参考訳）: DNAは、デジタル情報を合成ストランドにエンコードし、シークエンシングによってそれを検索することで、高密度で耐久性のあるストレージを提供する。 シーケンス再構成は、下流の復号化の前に各ストランドのノイズの多いコピーを組み合わせる。 通常のオフラインメソッドは通常、完了した読み込みクラスタを再構築し、進行中の読み込みコレクションから再構築を分離する。 ストリーム再構成は、エビデンス処理とシークエンシングを重複させ、下流の復号前に残っている計算を削減できる。 本稿では,永続台帳における$k$-mer遷移と境界サポートを記録するストリーミングコンセンサス再構成手法ACORについて述べる。 実およびシミュレートされたDNAストレージデータセットの評価は、競争力のある回復を示した。 短読次世代シークエンシング(NGS)のウェットラブライブラリでは,ACORがほぼ完全に回復し,第2スケールの再構築が1000万回以上行われた。 より小さな公開ベンチマークは1秒で完了した。 パラレルACORはテストされたシリアルベースライン構成と比較して数十倍から1000倍のスピードアップを達成した。 スパースストレージは高コンテキストメモリの要求を減らし、並列実行は再構成計算を高速化した。 ACORは、シークエンシングが継続する間、割り当てられた読み込みを処理する読み出しパイプラインをストリーミングするために設計されている。

関連論文リスト

• TRACE: Transformer Residual Activation Codebook Encoding for Communication-efficient Distributed Edge Inference [60.442064966340524]
  Transformer Residual Codebook Residual (トレース) Traceは、Vector Quantizerを、コードブックにインデックスされたキー/値表現の後の残余に配置する。 トレースは最大1.89%の精度で、最大1.27倍のエンドツーエンドの推論スピードアップを達成する。
  論文  参考訳（メタデータ） (2026-10-15T09:57:04Z)
• ReconSpan: Reconstruction-Guided Adaptive Latent Tokenization [0.0]
  ReconSpanはテキストを、後方デコーダが単一のコンテキストプレフィックスコードから再構築できるチャンクに分割する。 得られた遅延シーケンスの読者はトピック情報を確実に回復するが、正確な詳細を抽出するのに苦労する。
  論文  参考訳（メタデータ） (2026-08-13T03:08:40Z)
• No More K-means: Single-Stage Sparse Coding for Efficient Multi-Vector Retrieval [51.43543998583709]
  SSR(Single-stage Sparse Retrieval)は、高価なクラスタリングを効率的なスパースコーディングに置き換えるパラダイムシフトである。 ColBERTv2と比較してインデックス処理時間を15倍短縮し、検索レイテンシを半減させ、同時に検索性能を向上させる。
  論文  参考訳（メタデータ） (2026-05-28T15:53:34Z)
• Latent Recurrent Transformer: Architecture Exploration, Training Strategies, and Scaling Behavior [107.2098567818173]
  Latent Recurrent Transformer (LRT) は自己回帰変換器の軽量化である。 LRTは、次のトークンのリカレントメモリとして、前のトークンから高レベルなソース層隠れステートを再利用する。
  論文  参考訳（メタデータ） (2026-05-26T10:10:26Z)
• Hierarchical Embedding Fusion for Retrieval-Augmented Code Generation [6.4453302264198165]
  コード補完のためのリポジトリ表現のための2段階のアプローチである階層埋め込み融合(HEF)を提案する。 HEFはスニペットベースの検索ベースラインに匹敵する正確なマッチング精度を達成する。 グラフベースおよび反復検索システムと比較して、HEFは中央値のエンドツーエンドのレイテンシを13倍から26倍に削減する。
  論文  参考訳（メタデータ） (2026-02-04T14:56:11Z)
• Rectified Sparse Attention [61.7702154360081]
  効率的なロングシーケンス生成は、大規模言語モデルにとって重要な課題である。 本稿では,ブロックスパースアテンションと周期的な密度補正を組み合わせた簡易かつ効果的な方法であるRectified Sparse Attention (ReSA)を提案する。 数学推論、言語モデリング、検索タスクにわたる実験は、ReSAがほぼ無作為な生成品質を達成することを示す。
  論文  参考訳（メタデータ） (2025-06-04T16:01:48Z)
• SDR: Efficient Neural Re-ranking using Succinct Document Representation [4.9278175139681215]
  本稿では, 強調圧縮した中間文書表現を演算する文書表現方式を提案する。 提案手法は効率が良く, 同一品質の圧縮速度が4x-11.6倍向上した。
  論文  参考訳（メタデータ） (2021-10-03T07:43:16Z)
• 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)

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。