Některé druhy celulárních automatů dokáží generovat pseudo-náhodnou posloupnost nul a jedniček. Tuto posloupnost je možné využít při kompresi jako slovník. Běžné slovníkové metody využívají slovník tak, že pro zakódování zprávy X najdou X ve slovníku (případně ji tam přidají) a jako kód vrátí pouze její pozici ve slovníku. (Což může být mnohem kratší.) Je třeba, aby příjemce zprávy měl slovník také k dispozici, proto je slovník (nebo informace nutné k jeho konstrukci) součástí zakódované zprávy. V případě celulárního automatu tento problém odpadá, protože příjemce může posloupnost sám vygenerovat pomocí celulárního automatu a stačí mu k tomu minimum informace. Navíc pokud je posloupnost skutečně náhodná, tak by měla teoreticky obsahovat libovolnou zprávu (libovolnou konečnou podposloupnost) jako svůj úsek.
Úkolem řešitele by v tomto případě bylo:
Metodu je možné adaptovat i pro problém dokonalé komprese. V tomto případě je vstup předem známý a neměnný a úkolem je vytvořit program, který po svém spuštění tento vstup vygeneruje. Velikost programu by měla být co nejmenší, přičemž na časových a prostorových nárocích při dekompresi (generování) nezáleží. (Kompresní poměr je tedy jediným kritériem.) Více informací o soutěžích v kompresním poměru najdete např. na http://en.wikipedia.org/wiki/Hutter_Prize.
Je možné zaměřit téma práce na tento problém.
Podobně jako v předchozím případě s tím rozdílem, že ke kompresi bude použitá neuronová síť. Řešitel prostuduje dosud publikované techniky komprese pomocí neuronové sítě, některé z nich implementuje a experimentálně srovná se standardními algoritmy. Řešitel by měl navrhnout i vlastní algoritmus a zahrnout ho do srovnání.