[論文レビュー] Extending Clause Learning SAT Solvers with Complete Parity Reasoning (extended version)

Tero Laitinen, Tommi Junttila+1 more|arXiv (Cornell University)|Jul 4, 2012

Constraint Satisfaction and Optimization参考文献 5被引用数 5

ひとこと要約

本稿は、増分的ガウス・ジョルダン消去に基づく完全なパリティ推論モジュールをclause学習SATソルバに統合し、XOR制約から導かれる論理式や同値関係を完全に導出可能にする。また、双連結成分分解技術とxor-内部変数の削除を導入することで、行列のサイズと解法時間を顕著に削減しながら完全性を維持し、ベンチマークインスタンスにおいてユニットプロパゲーションや同値関係推論を上回る性能を発揮する。

ABSTRACT

Instances of logical cryptanalysis, circuit verification, and bounded model checking can often be succinctly represented as a combined satisfiability (SAT) problem where an instance is a combination of traditional clauses and parity constraints. This paper studies how such combined problems can be efficiently solved by augmenting a modern SAT solver with an xor-reasoning module in the DPLL(XOR) framework. A new xor-reasoning module that deduces all possible implied literals using incremental Gauss-Jordan elimination is presented. A decomposition technique that can greatly reduce the size of parity constraint matrices while allowing still to deduce all implied literals is presented. It is shown how to eliminate variables occuring only in parity constraints while preserving the decomposition. The proposed techniques are evaluated experimentally.

研究の動機と目的

• XOR制約を含む問題において、標準的なCDCL SATソルバの非効率性を解消すること。XOR制約は暗号解析、回路検証、モデルチェックなどに一般的に見られる。
• ユニットプロパゲーションや標準的ガウス消去の限界を超える、すべての導出可能な論理式や同値関係を完全に導出可能なXOR推論メカニズムの開発。
• 双連結成分への分解とxor-内部変数の削除により、XOR制約処理の計算およびメモリオーバーヘッドを低減すること。
• 提案手法を実世界のベンチマークに対して評価し、解法性能とスケーラビリティの向上を実証すること。

提案手法

• 与えられた変数割り当て下で、XOR制約から導かれるすべての論理式や同値関係を計算する増分的ガウス・ジョルダン消去モジュールを導入。
• カット頂点でXOR制約グラフを分割する双連結成分分解技術を提案。これにより、成分を独立して処理しつつ、完全な推論完全性を維持可能。
• XOR制約にのみ現れるxor-内部変数を代入により削除する変数削除戦略を開発。これにより行列サイズを縮小しつつ、解の同値性を保持。
• カット変数を削除対象から除外することで、変数削除中に双連結構造を維持。これにより、成分の整合性と正しさを保証。
• 増分的ガウス・ジョルダン消去と併用して分解と変数削除を適用し、行列表現の最適化とソルバの効率向上を図る。
• 単一の双連結成分に対してCNFに変換を適用し、既存のソルバ（例：cryptominisat）との互換性を確保。これによりメモリ使用量と解法速度が向上。

実験結果

リサーチクエスチョン

• RQ1 増分的ガウス・ジョルダン消去を用いることで、XOR制約におけるすべての導出可能な論理式や同値関係を完全にプロパゲート可能か？
• RQ2 双連結成分分解は、従来の連結成分分解と比較して、より効率的かつスケーラブルなXOR推論を可能にするか？
• RQ3 xor-内部変数の削除は、推論完全性を損なわずに、どれほど行列サイズを縮小し、解法性能を向上させるか？
• RQ4 実際の性能評価において、ユニットプロパゲーションや同値関係推論と比較して、提案手法は解法時間と意思決定回数の点でどのように優れているか？

主な発見

• 増分的ガウス・ジョルダン消去モジュールは、すべての導出可能な論理式や同値関係を導出でき、解法速度と完全性の両面でユニットプロパゲーションや同値関係推論を上回る。
• cryptominisat 2.9.2は、単一の双連結成分をCNFに変換した後、110個のSATコンペティションインスタンスのうち50個を解けた。元のバージョンと比較して6個多く解いた。
• Triviumベンチマークインスタンスにおいて、xor-内部変数の削除により、行列総サイズが55×10⁶から5×10⁶にまで削減され、ストレージで91%の削減が達成された。
• 増分的ガウス・ジョルダン消去と分解・変数削除を組み合わせたソルバは、すべてのTriviumベンチマークインスタンスを他の設定よりも速く解いた。
• 木構造のXOR制約をガウス・ジョルダン行列から除外し、双連結成分に分割することで、完全性を損なわず、解法時間に顕著な短縮が得られた。
• 複数のベンチマークセットにおいて、提案手法は意思決定回数と解法時間を削減し、増分的ガウス・ジョルダン消去が全体で最も高速な性能を示した。