[논문 리뷰] Data Definitions in the ACL2 Sedan

Harsh Raju Chamarthi, Peter C. Dillinger외 1명|arXiv (Cornell University)|2014. 06. 06.

Logic, programming, and type systems참고 문헌 7인용 수 5

한 줄 요약

이 논문은 ACL2s의 공식 검증 시스템에서, 리스트, 맵, 레코드와 같은 데이터 유형을 선언적 매크로를 통해 직관적이고 교육적으로 효과적으로 기술할 수 있도록 해주는 defdata 프레임워크를 제시한다. 예측 기반(predicative, predicate-based) 및 열거 기반(enumerative, enumeration-based)의 두 가지 특성화 방식을 유지함으로써, 자동으로 반례 생성, defunc에 의한 타입 안전한 함수 정의, 다형성 추론을 지원하며, 공식 추론의 자동화와 사용성에 크게 기여한다. 이는 이제 학부생과 고급 사용자 모두에게 널리 채택되고 있다.

ABSTRACT

We present a data definition framework that enables the convenient specification of data types in ACL2s, the ACL2 Sedan. Our primary motivation for developing the data definition framework was pedagogical. We were teaching undergraduate students how to reason about programs using ACL2s and wanted to provide them with an effective method for defining, testing, and reasoning about data types in the context of an untyped theorem prover. Our framework is now routinely used not only for pedagogical purposes, but also by advanced users. Our framework concisely supports common data definition patterns, e.g. list types, map types, and record types. It also provides support for polymorphic functions. A distinguishing feature of our approach is that we maintain both a predicative and an enumerative characterization of data definitions. In this paper we present our data definition framework via a sequence of examples. We give a complete characterization in terms of tau rules of the inclusion/exclusion relations a data definition induces, under suitable restrictions. The data definition framework is a key component of counterexample generation support in ACL2s, but can be independently used in ACL2, and is available as a community book.

연구 동기 및 목표

• 학부생들에게 타입이 없는 정수 증명 도구인 ACL2에서 공식 추론을 가르치는 데 있어 교육적 과제를 해결하기 위해, 데이터 유형을 정의하고 추론할 수 있는 체계적인 방법을 제공한다.
• 비형식적인 cons 기반 타입 표현 방식을 고수준의 사용자 友好的한 데이터 정의 시스템으로 대체하여, 학급 시간 동안 낮은 수준의 타입 인코딩과 디버깅에 낭비되는 시간을 줄인다.
• 각 데이터 유형에 대해 예측 함수와 열거 함수를 유지함으로써, ACL2s에서 자동으로 반례 생성을 가능하게 한다.
• ACL2 프레임워크 내에서 다형 함수 및 타입 포함/제외 정리와 같은 고급 추론 기능을 지원한다.
• 표준 ACL2에서 사용할 수 있도록 커뮤니티 북으로 배포하여 프레임워크의 광범위한 접근성을 확보한다.

제안 방법

• defdata 매크로는 유형 조합(예: 리스트, 레코드, 맵)을 지정하는 고수준 문법을 사용하여 새로운 데이터 유형을 정의하며, 요소를 식별하는 예측자와 유형의 모든 요소를 생성하는 열거자를 생성한다.
• 이 프레임워크는 예측 기반 특성화(예측자)와 열거 기반 특성화(모든 값을 나열하는 함수)의 두 가지 방식을 유지하며, 이는 반례 생성에 함께 사용된다.
• Cgen 라이브러리와 통합되어 변수를 그들의 데이터 정의를 충족하는 값으로 대체함으로써 자동으로 반례를 생성한다.
• 타우 규칙(tau rules)을 사용하여 타입 관계(예: 포함, 배제)를 특성화하고, 타입 계층에 대한 추론을 위한 재작성 규칙을 자동으로 생성한다.
• 서명 이벤트(signature events)를 통해 다형 함수를 지원하며, 알려진 타입들에 대해 일반 함수를 구체화하고 기능적 인스턴스화를 통해 타입별 정리들을 생성한다.
• 모든 생성된 이벤트(정리 및 규칙 클래스 포함)는 ACL2의 Tau-데이터베이스에 추가되어 완전성 보장과 확장 가능한 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 타입이 없는 정수 증명 도구인 ACL2에서 초보자에게는 직관적이면서도 고급 사용자에게는 강력한 방식으로 데이터 유형을 어떻게 기술할 수 있는가?
• RQ2 데이터 정의는 어떻게 잘못된 추측에 대해 자동으로 반례 생성을 가능하게 하는가?
• RQ3 타우 규칙을 사용하여 데이터 정의로부터 어떤 형식적 특성화가 타입 관계(예: 포함, 배제)에 대해 유도될 수 있는가?
• RQ4 예측자와 열거 함수의 의미를 모두 유지하는 프레임워크 내에서 다형 함수는 어떻게 지원할 수 있는가?
• RQ5 이러한 프레임워크는 보다 넓은 ACL2 커뮤니티에서 재사용 가능하고 확장 가능하도록 어떻게 만들 수 있는가?

주요 결과

• defdata 프레임워크는 뉴잉글랜드 대학교에서 약 1,000명의 학부생들에게 ACL2s를 사용하여 프로그램을 모델링하고 추론하는 방법을 가르치는 데 성공적으로 활용되었다.
• 이 프레임워크는 고수준의 선언적 문법을 제공함으로써 타입 인코딩과 디버깅에 소요되는 수업 시간을 줄였다.
• 데이터 유형의 열거 기반 특성화 덕분에 ACL2s의 반례 생성 기능이 크게 향상되어 잘못된 추측에 대한 빠른 피드백을 가능하게 하였다.
• 시스템은 타입 추론에 유용한 정리를 자동으로 생성하며, 포함/제외 관계와 레코드 접근자 및 생성자에 대한 복합 법칙을 포함한다.
• 서명 이벤트를 통해 기능적 인스턴스화를 통해 타입별 재작성 규칙을 생성함으로써 다형 추론을 지원하며, 모든 규칙은 일관성을 확보하기 위해 Tau-데이터베이스에 추가된다.
• 이 프레임워크는 교육적 목적 외에도 고급 사용자에 의해 사용되고 있으며, 커뮤니티 북으로 배포되어 광범위한 접근성과 확장성을 확보하고 있다.