NEURODNAAI: 基于深度学习框架的神经管道方法，用于推进基于 DNA 的信息存储作为可持续数字介质
新兴技术
2025-10-06 v1 人工智能
机器学习
摘要
DNA 因其卓越的密度和耐久性而成为数字信息存储的有前景介质。虽然先前研究推进了编码理论、工作流设计和仿真工具，但合成成本、测序错误和生物约束（GC 含量不平衡、同聚物）等问题限制了实际部署。为此，我们的框架借鉴量子并行概念来增强编码多样性和韧性，将生物学启发约束与深度学习相结合，以增强 DNA 存储中的错误缓解。NeuroDNAAI 将二进制数据流编码为符号 DNA 序列，通过包含替换、插入和缺失的噪声信道传输，并以高保真度重建。我们的结果表明，传统提示或基于规则的方案无法有效适应真实噪声，而 NeuroDNAAI 实现了更优精度。在基准数据集上的实验展示了文本和图像的低比特错误率。通过将理论、工作流和仿真统一为一个管道，NeuroDNAAI 实现了可扩展的、生物学上有效的归档 DNA 存储。
引用
@article{arxiv.2510.02417,
title = {NEURODNAAI: Neural pipeline approaches for the advancing dna-based information storage as a sustainable digital medium using deep learning framework},
author = {Rakesh Thakur and Lavanya Singh and Yashika and Manomay Bundawala and Aruna Kumar},
journal= {arXiv preprint arXiv:2510.02417},
year = {2025}
}