저오류율 영역에서는 저밀도 패리티 검사(low-density parity-check, LDPC) 코드에 대한 메시지 전달(message-passing, MP) 복호가 트래핑 셋(trapping sets, TSs)으로 인해 성능 저하를 겪는 것으로 알려져 있으며, 이는 종종 저장 장치와 같은 저목표오류율을 요구하는 응용에서 LDPC 코드의 활용을 제한한다. 본 연구는 TS를 깨뜨리기 위해 특화된 새로운 딥러닝 기반 복호 알고리즘을 제안한다. 특히, TS로 인해 MP 복호가 실패하는 경우, 오류 변수 노드(variable nodes, VNs)만으로 이루어진 경로를 통해 연결되는 불만족 체크 노드(check nodes, CNs)의 쌍이 존재하는데, 여기서 VNs는 잘못된 하드 결정 결과를 가진다. 제안된 알고리즘은 딥러닝 기법의 도움을 받아 불만족 CNs 사이에서 오류 VNs를 포함하는 경로를 효율적으로 식별한다. 이후, 식별된 경로에 포함된 오류 VNs에 대해 오류 채널 출력 값을 재초기화한 뒤 MP 복호를 반복함으로써 복호 실패를 해결한다. 또한 딥러닝 기반 알고리즘의 동작을 분석하여 적응형-오류-경로(adaptive-error-path, AEP) 검출기라는 저복잡도 알고리즘을 제안한다. 시뮬레이션 결과는 제안된 알고리즘들이 TS를 효율적으로 해소하고, 저오류율 영역에서 오차 바닥(error-floor) 성능을 유의하게 향상시킴을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.