低密度奇偶校验 (LDPC) 码对于现代通信系统和数据存储至关重要，然而生成真正随机且高效的码仍然是一项重大挑战。来自马尔凯理工大学的 Paolo Santini 及其同事提出了一种新型算法，旨在高效地对稀疏矩阵进行采样，用作 LDPC 码中的校验矩阵。他们的工作超越了现有的、通常受代数约束的方法配资网络配资炒股，提供了一种纯粹的组合方法，优先考虑随机性和稀疏性。这项研究意义重大，因为它提供了一个灵活的框架配资网络配资炒股，不仅适用于二进制 LDPC 码，还可以扩展到非二进制有限域和更一般的稳定器 LDPC 码，从而有望提升码的性能和实现效率。通过理论分析和数值模拟，该团队证明了其技术的可行性和高效性，并利用信息集解码作为有效采样的关键组成部分。
该研究摒弃了现有的施加约束的代数构造方法，开发了一种纯组合方法，仅关注矩阵行的稀疏性。研究人员设计了一种流程，其中每个新行都选自先前采样行生成的空间的对偶空间，从而确保自正交性并保持稀疏性。这是通过将现有行构建为线性码的奇偶校验矩阵并在其中搜索稀疏码字来实现的，该技术直接受到后量子密码学进展的启发。
该研究细致地刻画了算法，确定了适用于采样的参数范围，并计算了其预期的计算复杂度。实验采用逐步迭代的方法，向校验矩阵中迭代添加行，每一步都涉及从对偶码中选择一个稀疏向量。算法执行 r 步，其中 r 表示矩阵的行数，每一步 u 都从由前 u-1 行定义的空间的对偶空间中采样一个稀疏向量。
为了确保效率，研究人员利用了ISD算法（一种用于确定线性码最小距离的成熟算法）来定位稀疏码字。数值模拟和基准测试严格验证了该方法的可行性和效率，证明了其能够生成参数此前无法通过传统方法获得的码字。这种创新方法实现了突破，它能够在不限制码字参数的情况下对随机量子LDPC码进行采样。
本研究通过聚焦于基于ISD指导的组合采样，克服了代数构造方法固有的局限性，后者通常会导致码的随机性有限且参数受限。这项工作为生成更接近经典码的量子LDPC码开辟了道路，有望继承其高效解码算法和鲁棒距离特性等优良性能。
稳定器LDPC码的稀疏矩阵采样科学家
科学家们开发了一种新型算法，用于高效地对随机稀疏矩阵进行采样，这些稀疏矩阵旨在用作低密度奇偶校验 (LDPC) 码中的校验矩阵。该研究详细介绍了一种生成包含对偶的二进制 LDPC 码的方法，这些对偶码由满足条件 H Hᵀ = 0 的稀疏矩阵表示。该算法不仅适用于二进制码，还提供了一种在非二进制有限域上对包含对偶的 LDPC 码以及更一般的稳定子 LDPC 码进行采样的方法。
这项突破的核心在于采用了一种纯粹的组合方法，这与现有的代数构造方法不同，后者对矩阵施加了特定的结构属性。算法的理论刻画确定了可以成功采样的参数范围，并评估了其预期的计算复杂度。
数值模拟和基准测试随后证实了这种新方法的可行性和有效性。研究团队测量了保证算法每一步都存在所需权重码字的条件，重点关注码率 R 在 0 到 1 范围内的恒定码字。基于吉尔伯特-瓦尔沙莫夫 (GV) 距离的分析表明，随机码以很高的概率达到与 n 成线性关系的最小距离。
为了对比随机矩阵更稀疏的矩阵进行采样，科学家们发现，权重“v”小于 ln(2) / (1-R) * log₂(n) 可以高概率地保证每一步都存在权重为 v 的码字。这一发现代表着在生成随机量子 LDPC 码方面取得了重大进展，无需对码参数施加除校验矩阵稀疏性之外的强制性约束。此外，该工作还提出了一种逐行采样矩阵 H 的方法，该方法能够同时保证稀疏性和自正交性。
在每个步骤中，从先前找到的向量生成的空间的对偶空间中采样一个稀疏向量，这实际上将该过程视为在线性码中寻找码字。与通常依赖于准循环性等代数性质的现有构造不同，该算法专注于生成具有高度随机性的稀疏自正交矩阵。数值模拟和基准测试验证了所提出方法的可行性和效率，并展示了其实际应用价值。对算法行为的分析表明，关于低权重码字存在的渐近预测对于具体的（尽管很大的）n 值可能并不总是成立，这凸显了考虑有限尺寸效应的重要性。
作者承认，他们的分析主要集中于二进制情况，未来的研究可以将该算法扩展到非二进制有限域和更一般的稳定子LDPC码。未来的研究方向包括研究算法在不同参数下的性能，以及探索其在不同编码场景中的适用性。本文提出的研究成果为该领域做出了贡献，提供了一种灵活高效的LDPC码校验矩阵生成方法，有望用于设计更先进的通信系统。
低密度奇偶校验 (LDPC) 码对于现代通信系统和数据存储至关重要，然而生成真正随机且高效的码仍然是一项重大挑战。他们的工作超越了现有的、通常受代数约束的方法，提出了一种优先考虑随机性和稀疏性的纯组合方法。这项研究意义重大，因为它提供了一个灵活的框架，不仅适用于二进制 LDPC 码，还可以扩展到非二进制有限域和更一般的稳定子 LDPC 码，从而有望提升码的性能和实现效率。
启泰网提示：文章来自网络，不代表本站观点。
