リサーチ・論文 2026年11月6日 23:17

線形符号の復号を学習する「GBPNet」を提案、サミラ・マレク氏が発表

原題 Learning to Decode Linear Codes with Generalized Belief Propagation Network

サミラ・マレク (Samira Malek) 氏は2026年11月4日(現地時間)、論文「Learning to Decode Linear Codes with Generalized Belief Propagation Network」をarXiv cs.AIで発表した。同論文では、ノイズの多いチャネルを介した信頼性の高いデータ伝送を可能にする、通信システムの基本的な構成要素である誤り訂正符号の復号に関する新手法を提案している。提案された汎用信念伝播ネットワーク (Generalized Belief Propagation Network、GBPNet) は、メッセージパッシングの対称性を維持しながら、デコーダの学習能力を高めることを特徴としている。

GBPNetのアーキテクチャは、カスケード変数ノード更新と学習済み要素ごとのメッセージスケーリングを使用し、Tannerグラフ構造を保持する。さらに、デコード精度を向上させるための二つのトレーニング戦略、プログレッシブトレーニングと高SNRトレーニングが導入されている。

実験結果によると、GBPNetは複数の線形符号において、従来の信念伝播アルゴリズムや評価対象の最先端ニューラルデコーダよりも低いビット誤り率を達成した。

参考: arXiv cs.AI — 2026年11月5日 03:29 (JST)

原文ハイライト
"Generalized Belief Propagation Network (GBPNet) that preserves message-passing symmetry while enhancing the decoder's learning capability."

#Samira Malek #GBPNet #線形符号 #誤り訂正符号 #ニューラルデコーダ #Tannerグラフ