[論文レビュー] A Survey on Theorem Provers in Formal Methods

M. Saqib Nawaz, Moin Malik+3 more|arXiv (Cornell University)|Dec 6, 2019

Logic, programming, and type systems参考文献 247被引用数 16

ひとこと要約

本稿では、40以上の定理証明系の包括的サーベイを提示し、その設計、論理枠組み、自動化レベル、プログラミングパラダイム、応用分野を分析している。対話型および自動定理証明系の評価を行い、証明自動化と知識共有における主な課題を特定し、スケーラブルな検証のための機械学習と形式手法の統合に関する今後の研究方向性を提案している。

ABSTRACT

Mechanical reasoning is a key area of research that lies at the crossroads of mathematical logic and artificial intelligence. The main aim to develop mechanical reasoning systems (also known as theorem provers) was to enable mathematicians to prove theorems by computer programs. However, these tools evolved with time and now play vital role in the modeling and reasoning about complex and large-scale systems, especially safety-critical systems. Technically, mathematical formalisms and automated reasoning based-approaches are employed to perform inferences and to generate proofs in theorem provers. In literature, there is a shortage of comprehensive documents that can provide proper guidance about the preferences of theorem provers with respect to their designs, performances, logical frameworks, strengths, differences and their application areas. In this work, more than 40 theorem provers are studied in detail and compared to present a comprehensive analysis and evaluation of these tools. Theorem provers are investigated based on various parameters, which includes: implementation architecture, logic and calculus used, library support, level of automation, programming paradigm, programming language, differences and application areas.

研究の動機と目的

• 形式手法における定理証明系に関する包括的比較リソースの不足に対処すること。
• 設計、論理、自動化、応用分野に基づき、40以上もの定理証明系を評価・比較すること。
• 証明自動化、ライブラリ再利用、システム間統合における主な課題を特定すること。
• 機械学習、進化的アルゴリズム、普遍的な形式的知識フォーマットを含む今後の研究方向性を検討すること。
• 安全クリティカルなシステム向けに、研究者および実務家が定理証明ツールの選定と発展を支援すること。

提案手法

• 実装アーキテクチャ、論理体系、プログラミングパラダイムの観点から、40以上の定理証明系を体系的に分析すること。
• 自動化レベルとユーザーの関与度に基づき、定理証明系を自動型（ATPs）と対話型（ITPs）に分類すること。
• ライブラリ支援、証明自動化、SAT/SMTソルバーやの統合能力の評価。
• 形式的知識コーパスを用いた前提選択および証明ガイダンスにおける機械学習の応用の調査。
• Omdoc/MMTのような普遍的な形式フォーマットを用いた、異種定理証明系間での知識共有および翻訳の探求。
• ITPとATPを組み合わせたフィードバックループを用いた、進化的アルゴリズムによる自動証明生成の分析。

実験結果

リサーチクエスチョン

• RQ1 主な対話型および自動定理証明系の間で、設計、論理、自動化の観点から顕著な差異は何か？
• RQ2 機械学習技術は、定理証明システムにおける証明自動化およびガイダンスを効果的に向上させるためにどのように応用可能か？
• RQ3 異なる定理証明系エコシステム間での知識共有および相互運用性の主な障壁は何か？
• RQ4 進化的アルゴリズムやAI駆動のフィードバックループは、形式的システムにおける自動証明探索をどの程度向上できるか？
• RQ5 Omdoc/MMTのような普遍的な形式的知識フォーマットは、形式的数学ライブラリの統合と再利用にどのような役割を果たせるか？

主な発見

• 40以上の定理証明系が分析され、論理のサポート、自動化レベル、実装パラダイムに顕著な多様性が明らかになった。
• 対話型定理証明系（ITPs）は、高度な推論とAI統合を可能にする、大規模でコンピュータが理解可能なライブラリを備えている。
• 機械学習技術は、形式的知識コーパスを用いて訓練された場合、前提選択や証明戦略生成において有望な成果を示している。
• 進化的アルゴリズムは、ITPを検証者として組み合わせることで、形式的証明の生成と進化に潜在的な可能性を示している。
• Omdoc/MMTのような普遍的フォーマットは、異種ツール間での形式ライブラリへのアクセスを可能にしているが、翻訳は人的作業が伴い、非自明な課題を伴う。
• 進展は見られるものの、数学的形式化は、自動化の不足、知識共有の不十分さ、ツール統合の弱さのため、主流の採用には至っていない。