[论文解读] LinCode -- computer classification of linear codes

Sascha Kurz|arXiv (Cornell University)|Dec 19, 2019

Coding theory and cryptography参考文献 19被引用 6

一句话总结

本文提出 LinCode，一种基于格点枚举的新型算法，用于在有限域上对线性码进行穷尽分类。通过系统性地扩展生成矩阵，并利用权重枚举不变量及通过 Nauty 和 CodeCan 实现的同构性约简，该方法高效地完成了码的分类——以 1,656,768,624 个偶 [21,8,6]₂ 码的枚举为例，展示了该方法在码分类中的竞争力，具有可并行化特性，且具备进一步优化的潜力。

ABSTRACT

We present an algorithm for the classification of linear codes over finite fields, based on lattice point enumeration. We validate a correct implementation of our algorithm with known classification results from the literature, which we partially extend to larger ranges of parameters.

研究动机与目标

• 开发一种可扩展且高效的算法，用于对有限域上的线性码进行完整分类，特别是针对大参数集的情况。
• 通过整合格点枚举与基于不变量的剪枝及同构性拒绝技术，解决线性码同构类枚举的计算挑战。
• 验证并扩展文献中已知的分类结果，包括将分类参数范围扩展至更广的区间。
• 实现分类过程的并行执行，通过成功枚举超过 1.6 十亿个偶 [21,8,6]₂ 码加以证明。
• 通过识别开放问题并提出改进格点枚举与整数规划集成的方法，为未来研究奠定基础。

提出的方法

• 通过形式为 (Iₖ | R) 的系统化生成矩阵表示线性码，实现紧凑且结构化的枚举。
• 通过向生成矩阵中逐行逐列添加新元素来逐步扩展码，并利用规范形式避免冗余的同构性检查。
• 利用 Solvediophant 工具进行格点枚举，系统性地探索给定码的所有可能扩展。
• 在同构性测试前，利用权重枚举不变量与子码性质（推论 2.5）剪枝搜索空间。
• 采用两个独立的同构性约简工具——Nauty 和 CodeCan——以验证结果并确保正确性。
• 集成整数线性规划约束，进一步限制搜索空间，尤其针对可除性与列重数条件。

实验结果

研究问题

• RQ1 格点枚举能否有效用于对有限域上大规模线性码集进行分类，特别是当必须识别同构类时？
• RQ2 如何利用子码权重枚举等不变量在同构性测试前减少候选码的数量？
• RQ3 当应用于大规模码族（如偶 [21,8,6]₂ 码）时，该算法的可扩展性与性能表现如何？
• RQ4 通过列重数与可除性等结构性约束，搜索空间能被多大程度地缩减？
• RQ5 如何降低格点枚举的计算成本，特别是当验证扩展不存在时？

主要发现

• 该算法成功分类了 1,656,768,624 个偶 [21,8,6]₂ 码，证明了在大规模场景下实现穷尽分类的可行性。
• 该方法经验证与文献中已知结果一致，并对更大参数范围进行了部分扩展。
• 对于权重在 {45,54} 范围内的 [70,7]₃ 码，经穷尽搜索与多面体约束确认，不存在 9-可除的射影码。
• 通过列重数与长度约束，[70,7]₃ 码的搜索空间被显著缩减，但完整枚举在计算上仍不可行。
• 使用两个独立的同构性约简工具（Nauty 与 CodeCan）实现了交叉验证，提升了结果的可靠性。
• 使用 Solvediophant 的格点枚举仍是性能瓶颈，尤其在验证扩展不存在时，表明需与更快速的整数规划求解器集成。