[논문 리뷰] Bisimilar States in Uncertain Structures

Jurriaan Rot, Thorsten Wißmann|arXiv (Cornell University)|2023. 01. 01.

semigroups and automata theory인용 수 1

한 줄 요약

이 논문은 불완전한 지식이 존재하는 시스템, 특히 자동기계 학습에서 행동적 호환성에 대해 추론하기 위한 범주론적 프레임워크로 불확실성에 기반한 바이심이터리티를 제안한다. 불확실성을 한 함수자에 대한 부분 순서로 형식화하고, 리프팅 기반의 불확실성 바이심이터리티 개념을 정의하며, 이가 코알제브라적 시뮬레이션에 의해 특징지어진다는 것을 증명한다—즉, 두 상태가 불확실성 바이심이터리와 동치임과 동시에 다른 시스템의 공통 상태에 의해 둘 다 시뮬레이션될 때이다. 이 프레임워크는 메일 기계와 서스펜션 자동기계에 적용되며, 관측 불완전성 하에서의 학습 알고리즘에 기초를 제공한다.

ABSTRACT

We provide a categorical notion called uncertain bisimilarity, which allows to reason about bisimilarity in combination with a lack of knowledge about the involved systems. Such uncertainty arises naturally in automata learning algorithms, where one investigates whether two observed behaviours come from the same internal state of a black-box system that can not be transparently inspected. We model this uncertainty as a set functor equipped with a partial order which describes possible future developments of the learning game. On such a functor, we provide a lifting-based definition of uncertain bisimilarity and verify basic properties. Beside its applications to Mealy machines, a natural model for automata learning, our framework also instantiates to an existing compatibility relation on suspension automata, which are used in model-based testing. We show that uncertain bisimilarity is a necessary but not sufficient condition for two states being implementable by the same state in the black-box system. We remedy the lack of sufficiency by a characterization of uncertain bisimilarity in terms of coalgebraic simulations.

연구 동기 및 목표

• 모델 학습 설정에서 지식이 불완전한 시스템에서 행동적 호환성을 형식화하기 위해.
• 관측 부족으로 인해 두 상태가 바이심이터리일 수 있음을 포괄하는 일반적이고 범주론적인 불확실성 바이심이터리티의 개념을 정의하기 위해.
• 불확실성 바이심이터리티가 코알제브라적 시뮬레이션에 의해 특징지워진다는 것을 입증하여 호환성에 대한 구성적 기준을 제공하기 위해.
• 표준 바이심이터리티와 실용적 학습 알고리즘(예: L#)의 요구사항 사이의 격차를 메우기 위해 공인적이고 불확실성 인식 기반의 동치 관계를 도입하기 위해.
• 부분 관측과 불확실성을 수반하는 코알제브라적 환경으로의 학습 알고리즘 확장에 기초를 제공하기 위해.

제안 방법

• 시스템 행동의 가능성을 반영하고 불확실성을 모델링하기 위해 함수자 F에 부분 순서 ⊑를 부여하기 위해.
• 부분 순서를 통합하는 관계 리프팅을 정의하는 함수자의 리프팅을 정의하여 불확실성을 반영하는 관계 리프팅을 가능하게 하기 위해.
• 부분 관측 하에서 잠재적인 바이심이터리와 동치일 수 있는 상태 간의 관계로서 불확실성 바이심이터리티를 정의하기 위해.
• 불확실성 바이심이터리티가 반사적이고 대칭적이지만 추이적이지 않음을 입증하여 표준 바이심이터리티와의 차이를 명확히 하기 위해.
• 두 가지 유형의 코알제브라적 시뮬레이션을 사용하여, 불확실성 바이심이터리티가 다른 코알제브라의 공통 상태가 둘 다를 시뮬레이션할 수 있음을 증명하기 위해.
• 메일 기계와 서스펜션 자동기계에 이 프레임워크를 적용하여, ioco와 같은 기존 호환성 관계를 일반화함을 보여주기 위해.

실험 결과

연구 질문

• RQ1 관측이 불완전하여 진짜 상태 구조가 알려지지 않은 시스템에서 행동적 호환성을 어떻게 형식적으로 정의할 수 있는가?
• RQ2 불확실성 하에서 '어쩌면 바이심이터리일 수 있다'는 관계를 포착하는 관계의 범주론적 구조는 무엇이며, 표준 바이심이터리티와 어떻게 다를까?
• RQ3 불확실성 바이심이터리티는 시뮬레이션 관계로 특징지워질 수 있는가? 만약 그렇다면, 이는 호환성에 대한 구성적 기준을 어떻게 제공하는가?
• RQ4 이 프레임워크는 서스펜션 자동기계에서의 ioco 관계와 같은 기존의 호환성 개념을 일반화하는가?
• RQ5 이 이론은 불확실성 하에서 공인적 추론을 수행하는 새로운 학습 알고리즘 개발을 지원할 수 있는가?

주요 결과

• 불확실성 바이심이터리티는 반사적이고 대칭적이지만 추이적이지 않아, 등가관계가 아니라 호환성 개념임을 나타낸다.
• 불확실성 바이심이터리티는 히ュ즈-자코브스 및 오픈 맵 스타일 시뮬레이션을 모두 사용하여, 다른 코알제브라의 공통 상태가 둘 다를 시뮬레이션할 수 있을 때 존재함으로써 특징지워진다.
• 메일 기계의 경우, 불확실성 바이심이터리티는 현재 관측으로는 두 상태를 구분할 수 없지만, 추가 입력을 통해 다를 수 있음을 의미한다.
• 이 프레임워크는 모델 기반 테스팅에서 알려진 ioco 호환성 관계를 일반화하며, 서스펜션 자동기계에서의 불확실성 바이심이터리티는 ioco 기준의 호환성과 대응한다.
• 불확실성 바이심이터리티는 느슨한 코알제브라 사상에 의한 식별성으로 특징지워지지 않으며, 이는 표준 코알제브라적 바이심이터리티와의 주요 차이점이다.
• 이 이론은 업-토 기법의 사용을 지원할 수 있으며, 학습 및 테스팅 시나리오에서 호환성 검증을 위한 효율적인 알고리즘 개발을 가능하게 한다.