오류 정정 코드를 위한 인증된 적응형 리스트 디코딩

요약

본 논문은 NP-hard인 선형 블록 코드의 최대 우도(ML) 디코딩 문제를 해결하기 위한 새로운 신경망 기반 디코더를 제안합니다. 이 디코더는 흡수 상태의 이산 확산 모델을 활용하여 탐색 공간을 트리 구조로 만들고, 확률 빔 서치를 실행합니다. 특히, 코드로부터 파생된 선형 계획법 완화와 거리 기반 테스트를 통해 각 프레임이 전역 ML 해답임을 '인증'하며 정확도-계산 오프셋을 제거했습니다.

핵심 포인트

• 디코딩 과정을 이산 확산 모델의 탐색으로 간주하여 트리 구조로 만듦.
• 선형 계획법 완화와 거리 기반 테스트를 통해 후보가 전역 ML 해답임을 인증함.
• 인증된 프레임은 정확도-계산 오프셋을 발생시키지 않아 신뢰성이 높음.
• 다양한 코드 및 작동 지점에서 높은 인증률과 낮은 비트 오류율을 달성함.