[论文解读] M-DAB: An Input-Distribution Optimization Algorithm for Composite DNA Storage by the Multinomial Channel

Adir Kobovich, Eitan Yaakobi+1 more|arXiv (Cornell University)|Sep 29, 2023

DNA and Biological Computing被引用 5

一句话总结

本文提出M-DAB，一种多维动态分配Blahut-Arimoto算法，用于在多项式信道上优化复合DNA存储的输入分布，通过利用复合DNA字母提升信道容量。该方法采用基于KL散度的点选择与单纯形同调全局优化，以最小支持集大小找到达到容量的输入分布，并通过实证验证了互信息关于支持集大小m的3/4 log m标度律。

ABSTRACT

Recent experiments have shown that the capacity of DNA storage systems may be significantly increased by synthesizing composite DNA letters. In this work, we model a DNA storage channel with composite inputs as a extit{multinomial channel}, and propose an optimization algorithm for its capacity achieving input distribution, for an arbitrary number of output reads. The algorithm is termed multidimensional dynamic assignment Blahut-Arimoto (M-DAB), and is a generalized version of the DAB algorithm, proposed by Wesel et al. developed for the binomial channel. We also empirically observe a scaling law behavior of the capacity as a function of the support size of the capacity-achieving input distribution.

研究动机与目标

• 为解决在多项式信道建模下，复合DNA存储系统中最大化信道容量的挑战。
• 开发一种高效算法，用于在多维概率单纯形中计算具有有限支持的容量达成输入分布（CAID）。
• 验证在复合DNA存储中，CAID的信道容量随支持集大小变化的标度律行为。

提出的方法

• 将复合DNA存储建模为在(k−1)维概率单纯形上具有输入分布的多项式信道。
• 提出M-DAB，一种广义的Blahut-Arimoto算法，通过KL散度作为距离度量，迭代优化质量点位置。
• 采用单纯形同调全局优化（SHGO）算法结合Sobol序列采样，求解复杂的多维最大化问题。
• 采用类似坐标下降的方法，逐个更新质量点，基于对称性和散度准则动态添加新点。
• 通过Csiszár极小极大容量定理实现双重优化策略，确保收敛至互信息最大值。
• 通过将M-DAB性能与均匀复合字母方案及理论上限进行比较，验证结果。

实验结果

研究问题

• RQ1 对于k > 2维的复合DNA输入，如何高效计算多项式信道的容量达成输入分布（CAID）？
• RQ2 在给定读取次数n下，输入分布中质量点的最优数量与位置为何，以最大化互信息？
• RQ3 CAID的互信息是否遵循普遍的3/4 log m标度律，如先前研究中所推测？
• RQ4 在高维输入空间中，KL散度是否作为距离度量比欧几里得距离更有效地识别最优输入分布？
• RQ5 M-DAB算法在性能上与朴素的复合编码方案（如均匀或对称混合）相比如何？

主要发现

• M-DAB实现的信道容量高于传统复合编码方案，在n ≥ 5时超越均匀复合(1/4,1/4,1/4,1/4)，在n ≥ 9时超越基底15极限（log 15 ≈ 3.907）。
• 该算法成功计算出支持集最小的CAID，表明所需质量点数量与互信息的对数成比例。
• 实证结果验证了互信息关于支持集大小m的3/4 log m标度律，证实了文献[14]对多项式信道的猜想。
• 在M-DAB算法中使用KL散度作为距离度量，相比欧几里得距离，收敛更快且性能更优，尤其在单纯形边界附近表现更佳。
• 对于n = 7且k = 3，M-DAB识别出在(0.616, 0.192, 0.192)处取得最大值的CAID，优于位于单纯形边界的欧几里得最近点(0.682, 0.318, 0)，后者为次优解。
• CAID的支持集大小随容量呈指数增长，表明在实际实现中最小化不同复合DNA混合物的数量至关重要。