发表机构
Technical University of Munich（慕尼黑工业大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出ε-概率约束框架以应对复合DNA存储中GC含量约束的随机性，推导容量界并设计达到容量的多类型枚举编码器。
AI 中文摘要
本文解决了在复合DNA数据存储中编码生化GC含量约束的挑战。先前的确定性模型通过避免链段超出允许范围的任何可能性，从而施加了高码率惩罚。为考虑复合DNA的随机性质，我们引入了一个ε-概率约束框架，并利用组成类型推导了全局约束的容量界，以及通过有限状态马尔可夫链推导了局部滑动窗口约束的容量界。此外，我们提出了一种达到容量的多类型枚举编码器。
英文摘要
This paper addresses the challenge of encoding biochemical GC-content constraints in composite DNA-based data storage. Previous deterministic models impose high rate penalties by avoiding any possibility for a strand to fall outside the allowed range. To account for the stochastic nature of composite DNA, we introduce an $ε$-probabilistic constraint framework, and derive capacity bounds for global constraints using composition types and for local sliding-window constraints via finite-state Markov chains. Furthermore, we propose a capacity-achieving multi-type enumerative encoder.
