SCONE：一种用于 DNA 存储中潜在编码的实用、约束感知插件
机器学习
2026-02-09 v1
摘要
DNA 存储已从概念阶段发展到实际阶段，但其与神经压缩管道的集成仍不够高效。早期的 DNA 编码器在原始二进制数据之上应用冗余较重的约束层——虽可行但较为原始。近期的神经编解码器将数据压缩到具有丰富统计结构的学习型潜在表示中，但仍通过盲目的二进制-四元转码将这些潜在表示转换为 DNA，放弃了熵模型的优化。这一不匹配削弱了压缩效率并使编码堆栈复杂化。我们提出一种插件模块，将潜在压缩和 DNA 编码合并为单一步骤。SCONE 直接在 DNA 碱基上的潜在空间执行四元算术编码。其约束感知自适应编码模块动态引导熵编码器的学习概率分布以强制执行生化约束——鸟嘌啶-胞嘧啶 (GC) 平衡和仿井原素抑制——在编码期间确定性地实现，从而消除事后校正。该设计保持完全可逆性并利用超先验模型的学习性先验，无需修改。实验表明，SCONE 在几乎完美的约束满足度下实现了可忽略的计算开销（<2% 延迟），为面向 end-to-end DNA 兼容学习编解码器建立了潜在无关的接口。
引用
@article{arxiv.2602.06157,
title = {SCONE: A Practical, Constraint-Aware Plug-in for Latent Encoding in Learned DNA Storage},
author = {Cihan Ruan and Lebin Zhou and Rongduo Han and Linyi Han and Bingqing Zhao and Chenchen Zhu and Wei Jiang and Wei Wang and Nam Ling},
journal= {arXiv preprint arXiv:2602.06157},
year = {2026}
}