[論文レビュー] Non-binary Codes for Correcting a Burst of at Most t Deletions

Shuche Wang, Yuanyuan Tang+3 more|arXiv (Cornell University)|Oct 21, 2022

DNA and Biological Computing被引用数 5

ひとこと要約

本稿では、$ q $-ary アルファベット上のシーケンスにおいて最大 $ t $ 個の削除を是正する新しい非二進コードおよび順列コードを提示する。Varshamov-Tenengol'ts 制約とシンディームベースの局在化を活用する。主な貢献は、非二進アルファベットでは冗長度 $ \log n + O(\log q \log \log n) $、順列では $ \log n + O(\log \log n) $ を達成し、それぞれの分野で既知の最大のコードサイズを実現したことである。

ABSTRACT

The problem of correcting deletions has received significant attention, partly because of the prevalence of these errors in DNA data storage. In this paper, we study the problem of correcting a consecutive burst of at most $t$ deletions in non-binary sequences. We first propose a non-binary code correcting a burst of at most 2 deletions for $q$-ary alphabets. Afterwards, we extend this result to the case where the length of the burst can be at most $t$ where $t$ is a constant. Finally, we consider the setup where the sequences that are transmitted are permutations. The proposed codes are the largest known for their respective parameter regimes.

研究の動機と目的

• 定数 $ t $ として、$ q $-ary シーケンスにおいて最大 $ t $ 個の削除を是正可能な非二進コードの設計。
• Varshamov-Tenengol'ts 制約とシンディームベースの技術を用いて、既存の二進バースト削除是正コードを非二進アルファベットへ拡張すること。
• DNA ストレージおよびファイル同期化に動機づけられ、最大 $ t $ 個の削除を是正する低冗長度の順列コードの構築。
• コードサイズにおける近似的最適な冗長度を達成し、漸近的効率の観点から先行研究を改善すること。

提案手法

• Levenshtein の二進コードの別証明を、Varshamov-Tenengol'ts 制約を用いて開発し、これにより非二進交互シーケンスへの拡張が可能になる。
• シンディームベースの局在化方式を用いて、バースト削除を長さ $ P = t2^{2t+2}\lceil\log n\rceil $ の短い区間に限定し、誤り是正問題を小さな部分問題に還元する。
• 非二進コードの場合、偶数番目と奇数番目のブロックを別々に保護するため、$ E_{tB} $ 関数とモジュラー算術を用いたブロック単位の符号化を採用する。
• 局在化された区間内でバースト編集を一意に復元できるように、$ a = 2^{\lceil\log q\rceil(4t\log(2P)+o(\log P))} $ と適切に選ばれたモジュラスを用いる。
• 順列コードの場合、局在化コード $ \mathcal{C}_{loc}^{P} $ と、局在化領域内の重複する順序列を是正するグローバルコード $ \mathcal{C}_{2t} $ を組み合わせる。
• 最終的なコード構造により、削除が既知の区間に限定され、ランクに基づく再構成により効率的な是正が可能になる。

実験結果

リサーチクエスチョン

• RQ1 Varshamov-Tenengol'ts 制約を用いて、交互なシーケンスにおいて最大 2 個の削除を是正可能な非二進コードを構築できるか？
• RQ2 非二進コードが $ q $-ary アルファベット上で最大 $ t $ 個の削除を是正するための最小冗長度は何か？
• RQ3 最大 $ t $ 個の削除を是正する順列コードを、冗長度 $ \log n + O(\log \log n) $ で構築できるか？
• RQ4 シンディームベースの局在化技術をどのように変更すれば、非二進および順列シーケンスにおけるバースト削除是正の複雑さを低減できるか？

主な発見

• 最大 2 個の削除を是正する提案された非二進コードは、冗長度 $ \log n + O(\log q \log \log n) $ を達成し、先行研究を改善する。
• 一般の $ t $ に対して、非二進コードの構築により冗長度 $ \log n + O(\log q \log \log n) $ を達成し、このパrameter 範囲で既知の最小である。
• 最大 $ t $ 個の削除を是正する順列コードは冗長度 $ \log n + O(\log \log n) $ を有し、同種のコードの中で最大の既知のサイズである。
• 順列コードのサイズは $ |\mathcal{P}_{\leq t}(n)| \geq \frac{n!}{16n \cdot 2^{O(\log \log n)}} $ を満たし、漸近的サイズにおいて近似的最適性を示す。
• この構築は、最大 $ t $ 個の削除を是正する順列コードで $ \log n + O(\log \log n) $ 冗長度を達成する最初のものであり、二進ケースの最良既知の境界と一致する。
• この手法は定数 $ t $ に対して頑健であり、冗長度は $ n $ に対して対数的未満のまま維持され、大規模な DNA ストレージ応用に適している。