[논문 리뷰] Backdoors to Abduction

Andreas Pfandler, Stefan Rümmele외 1명|arXiv (Cornell University)|2013. 04. 22.

Logic, Reasoning, and Knowledge참고 문헌 25인용 수 17

한 줄 요약

이 논문은 문장 부정법 추론을 문장 만족 가능성(Sat)으로의 고정 매개변수 가능 축소를 제시하며, 홀른 또는 크롬 공식 클래스로의 작은 강력한 백도어 집합을 활용한다. 지수적 증가를 백도어 집합의 크기로 국한시킴으로써, Σ₂ᴾ-완전성의 복잡도 장벽을 돌파하고 현대 Sat 솔버를 추론 문제에 효율적으로 적용할 수 있도록 한다.

ABSTRACT

Abductive reasoning (or Abduction, for short) is among the most fundamental AI reasoning methods, with a broad range of applications, including fault diagnosis, belief revision, and automated planning. Unfortunately, Abduction is of high computational complexity; even propositional Abduction is Σ_2^P-complete and thus harder than NP and coNP. This complexity barrier rules out the existence of a polynomial transformation to propositional satisfiability (SAT). In this work we use structural properties of the Abduction instance to break this complexity barrier. We utilize the problem structure in terms of small backdoor sets. We present fixed-parameter tractable transformations from Abduction to SAT, which make the power of today's SAT solvers available to Abduction.

연구 동기 및 목표

• 문장 부정법 추론의 높은 계산 복잡도(Σ₂ᴾ-완전성으로, NP보다 더 어렵다)를 해결한다.
• 이 복잡도로 인해 추론에서 Sat로의 다항 시간 변환은 존재하지 않기 때문에 그 한계를 극복한다.
• 지수적 비용을 다룰 수 있는 매개변수로 제한함으로써, 현대 Sat 솔버를 추론 문제에 활용할 수 있도록 문제를 Sat로 축소한다.
• 핵심 변환을 수정하지 않고도 제약 조건, 해 목록 생성, 관련성 질의 등을 지원할 수 있는 융통성 있고 확장 가능한 프레임워크를 제공한다.

제안 방법

• 지식 기반(V, H, M, T)에서 추론 문제를 정의한다. 여기서 H는 가설 집합, M은 관측 집합, T는 이론이다.
• 처리 가능한 인스턴스로부터의 거리 측정을 위해 홀른 또는 크롬 공식 클래스로의 강력한 백도어 집합을 구조적 매개변수로 도입한다.
• 실행 시간이 입력 크기의 제곱에 비례하고 지수적 증가가 백도어 집합 크기만에 국한되는 고정 매개변수 가능 축소를 구축한다.
• 보조 변수와 인코딩 기법을 사용하여 해와 제약 조건을 순순한 논리합형태(CNF)로 표현함으로써 Sat 솔버와의 통합을 가능하게 한다.
• 해의 표현을 가설과 분리하기 위해 변수 s_h를 사용함으로써 제약 조건 추가의 융통성과 효율적 해 목록 생성을 가능하게 한다.
• Sat 솔버 확장 기능을 활용해, 부분집합 최소 해 목록 생성, 관련성 질의(예: 특정 가설이 어떤 해에도 포함되는지 여부), 기수 제약 조건 등을 지원하도록 인코딩을 확장한다.

실험 결과

연구 질문

• RQ1 Σ₂ᴾ-완전성인 문장 부정법 추론을, 지수적 비용이 작은 구조적 매개변수로 국한되는 방식으로 Sat로 축소할 수 있는가?
• RQ2 홀른 또는 크롬 클래스로의 백도어 집합을 사용하면 추론에서 Sat로의 고정 매개변수 가능 축소가 가능한가?
• RQ3 이러한 축소를 통해 현대 Sat 솔버를 추론에 얼마나 효과적으로 활용할 수 있는가? 특히 해 목록 생성 및 제약 조건 처리 측면에서 말이다.
• RQ4 백도어 집합 크기로 측정했을 때 추론의 매개변수 복잡도는 어떻게 변화하며, 이는 새로운 처리 가능성 결과를 이끌어내는가?
• RQ5 이러한 접근은 관련성 검사 및 기수 제약 조건이 있는 해 탐색과 같은 추가 추론 작업을 지원하도록 확장할 수 있는가?

주요 결과

• 논문은 추론에서 Sat로의 고정 매개변수 가능 축소를 제시하며, 실행 시간은 입력 크기의 제곱에 비례하고 지수적 증가는 백도어 집합 크기만에 국한된다. 이는 홀른 또는 크롬 클래스로의 최소 강력 백도어 집합 크기의 제곱에 비례한다.
• 최소 강력 홀른 또는 크롬 백도어 집합 크기로 매개변수화했을 때 추론은 para-NP-완전성이 되며, 이는 매개변수가 의미 있고 효과적임을 시사한다.
• Sat 솔버에 해 목록 생성을 위임함으로써 부분집합 최소 해의 효율적 목록 생성이 가능하며, 알고리즘 변경이 필요 없다.
• 관련성 질의—예를 들어 특정 가설이 어떤 해에도 포함되는지 여부—는 O*(2^{|ℬ|+|H|}) 시간 내에 해결 가능하며, 여기서 |ℬ|는 백도어 집합 크기, |H|는 가설 수이다.
• 해에 대한 제약 조건(예: 기수 범위)은 핵심 변환을 수정하지 않고도 Sat 공식에 추가 클라우즈로 추가할 수 있어 실용적 확장을 가능하게 한다.
• 이 방법은 압축된 인코딩 언어와 백도어 집합 탐지 히우리스틱을 통해 실용적 최적화를 가능하게 하지만, 이러한 집합을 찾는 것은 고정 매개변수 가능하지 않다.