[論文レビュー] Coding for Sequence Reconstruction for Single Edits

Kui Cai, Han Mao Kiah+2 more|arXiv (Cornell University)|Jan 6, 2020

Advanced Data Storage Technologies被引用数 5

ひとこと要約

本稿では、固定された数 $N$ のノイズのあるリードが利用可能な状況下で、単一の編集エラー（置換、挿入、削除）に対する再構成符号を提案する。$N$ が増加するに従い、冗長性を $\log_q n + O(1)$ から $O(1)$ にまで低減できることを示し、漸近的最適性を達成するとともに、特定の領域では古典的エラー訂正符号よりも低い冗長性と同等の性能を実現する。

ABSTRACT

The sequence reconstruction problem, introduced by Levenshtein in 2001, considers a communication scenario where the sender transmits a codeword from some codebook and the receiver obtains multiple noisy reads of the codeword. The common setup assumes the codebook to be the entire space and the problem is to determine the minimum number of distinct reads that is required to reconstruct the transmitted codeword. Motivated by modern storage devices, we study a variant of the problem where the number of noisy reads $N$ is fixed. Specifically, we design reconstruction codes that reconstruct a codeword from $N$ distinct noisy reads. We focus on channels that introduce single edit error (i.e. a single substitution, insertion, or deletion) and their variants, and design reconstruction codes for all values of $N$. In particular, for the case of a single edit, we show that as the number of noisy reads increases, the number of redundant bits required can be gracefully reduced from $\log n+O(1)$ to $\log \log n+O(1)$, and then to $O(1)$, where $n$ denotes the length of a codeword. We also show that the redundancy of certain reconstruction codes is within one bit of optimality.

研究の動機と目的

• 単一編集エラー下で、$N$ 個の異なるノイズのあるリードから一意に符号語を再構成できる再構成符号を設計すること。
• $N$ が増加するに従い、再構成に必要な冗長記号の数を最小化すること。
• 単一編集エラーに対する提案符号の漸近的最適性を確立すること。
• シミュレーションを通じて、再構成符号が、より少ない冗長性で古典的エラー訂正符号と同等またはそれ以上の性能を達成できることを示すこと。

提案手法

• 符号語からノイズのあるリードの集合への写像を定義するエラー球関数 $B$ を用いて、シーケンス再構成問題を形式化する。
• リードカバレッジ $\nu(\mathcal{C}; B)$ を、異なる符号語のエラー球の最大共通部分集合として定義する。
• 単一編集エラーモデル下で、$2 \leq N \leq \nu(\mathcal{C}; B)$ の条件下で $(n, N; B)$-再構成符号を構築する。
• 冗長性を $\log_q n + O(1)$ から $\log_q \log_q n + O(1)$ に、さらに $N$ の増加に伴い $O(1)$ にまで低減する符号化技術を採用する。
• 組合せ論的および代数的構成を用いて、漸近的最適性を達成する。
• DNAシーケンシングのパrametersを用いたシミュレーションにより性能を検証し、古典的単一編集訂正符号と比較する。

実験結果

リサーチクエスチョン

• RQ1 単一編集エラーモデル下で、$N$ 個のノイズのあるリードが利用可能な場合、どのようにして冗長性を最小化できるか？
• RQ2 リード数 $N$ と再構成に必要な冗長記号数の間の根本的トレードオフは何か？
• RQ3 再構成符号は、単一編集エラーにおいて冗長性の観点で漸近的最適性に達成できるか？
• RQ4 再構成符号は、デコーダ失敗率と情報レートの観点で、古典的エラー訂正符号と比べてどのように異なるか？
• RQ5 再構成符号は、複数のノイズのあるリードを有する実用的システム（例：DNAベースのストレージ）で効果的に利用可能か？

主な発見

• ノイズのあるリード数 $N$ が増加するに従い、冗長性を $\log_q n + O(1)$ から $\log_q \log_q n + O(1)$ に、最終的には $O(1)$ にまで低減可能である。
• 提案された再構成符号は、単一編集エラーにおいて冗長性の観点で漸近的最適である。
• $n = 152$ の場合、古典的符号 $\mathcal{C}_L$（約 8.248 個の冗長記号）に比べ、$\mathcal{C}_0$（1 個の冗長記号）を用いることで情報レートが 4.6% 向上する。
• シミュレーションにより、1 または 2 個の冗長記号を有する再構成符号は、デコーダ失敗率において、符号化なしシステムよりも 1 から 2 時間程度優れていることが示された。
• 低エラー率領域で $N$ が大きい場合、$\mathcal{C}_0$ のような再構成符号は、はるかに少ない冗長性で古典的符号と同等の性能を達成する。
• このフレームワークは、DNAベースのストレージにおける連結方式の内部符号として統合可能であり、ソフトデシジョン拡張の可能性を有する。