[論文レビュー] On Coding over Sliced Information

Jin Sima, Netanel Raviv+1 more|arXiv (Cornell University)|Sep 7, 2018

DNA and Biological Computing参考文献 15被引用数 6

ひとこと要約

本稿では、置換誤りを受ける無順序バイナリ文字列集合としてデータが送信されるDNAストレージおよび類似システム向けに、新たな符号化方式を提案する。リード・ソロモン符号と構造的冗長性を活用することで、漸近的に最適な冗長性を達成し、古典的誤り訂正符号と同程度のオーダーの冗長性を実現した。これは、データを無順序の文字列に分割しても、置換誤りの訂正に必要な冗長性が著しく増加しないことを示している。

ABSTRACT

The interest in channel models in which the data is sent as an unordered set of binary strings has increased lately, due to emerging applications in DNA storage, among others. In this paper we analyze the minimal redundancy of binary codes for this channel under substitution errors, and provide several constructions, some of which are shown to be asymptotically optimal up to constants. The surprising result in this paper is that while the information vector is sliced into a set of unordered strings, the amount of redundant bits that are required to correct errors is order-wise equivalent to the amount required in the classical error correcting paradigm.

研究の動機と目的

• DNAストレージなどの、データが無順序バイナリ文字列集合として送信されるシステムにおける置換誤りの訂正に取り組む。
• このようなチャネルモデルにおいて、最大K個の置換誤りを訂正するために必要な最小冗長性の理論的限界を確立する。
• 特にK=1およびより大きなKに対して、理論的下限に近い冗長性を達成する明示的な符号構成を設計する。
• 無順序集合モデルにおける誤り訂正に必要な冗長性が、古典的誤り訂正符号とオーダー的に同等であることを示し、当初の予想とは異なり、過剰なオーバーヘッドが生じないことを示す。

提案手法

• 2段階符号化戦略を用いる：まず、情報量を長さLのM個のバイナリ文字列に符号化し、長さL′のプレフィックスと長さL−L′のサフィックスに分割する。
• プレフィックス集合を大きなアルファベット上でのリード・ソロモン符号で符号化し、元の集合構造の誤り検出および回復を可能にする。
• サフィックスを冗長性レイヤーとして利用する：各文字列に対して、全プレフィックス集合とその文字列固有のプレフィックスに基づいて導出されたリード・ソロモン符号語を付加する。
• 置換誤りがプレフィックスに発生した場合でも、ハミング距離を用いて誤りを検出し、無順序であってもリード・ソロモンデコードにより訂正可能であることを活用する。
• デコードでは、まず高重量プレフィックス（1の数が多いもの）を用いて最初の文字列の誤ったコピーを特定し、その後、リード・ソロモンデコードを用いて元のプレフィックス集合を回復する。
• 受信済みと送信済みのプレフィックス間の距離に基づくマッチングを用いて、元の文字列の順序を再構築し、再順序化された系列に対してリード・ソロモンデコードを適用して完全な符号語を回復する。

実験結果

リサーチクエスチョン

• RQ1 無順序バイナリ文字列集合として送信されるデータにおいて、K個の置換誤りを訂正するために必要な最小冗長性は何か？
• RQ2 無順序集合モデルにおける冗長性は、同じ数の置換誤りを許容する古典的チャネル符号と比べてどのように異なるか？
• RQ3 本モデルにおいて、理論的下限に近い冗長性を達成する明示的な符号構成を設計可能か？
• RQ4 K個の複数の置換誤りを、Kに比例するオーダーで増加する冗長性で訂正可能か？これは古典的境界に定数倍の要因で一致するか？
• RQ5 本モデルにおける符号化およびデコードの計算量の複雑さは何か？MおよびLに関して多項式時間で実現可能か？

主な発見

• 無順序集合モデルにおけるK個の置換誤りを訂正するための冗長性は、古典的符号理論におけるものと漸近的に同等であり、定数倍の要因を除いて、無順序送信による過剰なオーバーヘッドの予想に反して、同程度の冗長性で実現される。
• K=1の場合、提案された符号構成は、定数倍の要因を除いて理論的下限と一致する漸近的最適な冗長性を達成する。
• 一般のKについて、構成はK=1の最適冗長性のO(K)倍の冗長性を達成し、したがってオーダー的に最適である。
• 符号の冗長性は、r(C) ≤ 2K log ML + (12K+2) log M + O(K³) + O(K log log ML) で抑えられ、これは近似的に最適であることが示された。
• デコード処理は、プレフィックスの重みを用いて誤ったコピーを特定し、集合レベルおよび文字列レベルの冗長性に対してリード・ソロモンデコードを適用することで、元の文字列集合を正常に回復した。
• K > 1の場合の冗長性境界に関する理論的理解のギャップが本稿で特定され、これは今後の研究における未解決問題である。