[논문 리뷰] Entailing Generalization Boosts Enumeration

Fried, Dror, Nadel, Alexander외 2명|arXiv (Cornell University)|2021. 10. 22.

Formal Methods in Verification인용 수 3

한 줄 요약

이 논문은 명제 논리에 대한 두 가지 CDCL 기반 모델 수여 알고리즘을 제안한다: 중복 모델을 방지하기 위해 차단 절차를 사용하는 (EnumerateIrredundant), 그리고 반복을 허용하지만 차단 절차를 사용하지 않는 (EnumerateRedundant). 이중 추론과 함의 검사를 통합함으로써, 모델가 더 짧고 더 압축된 형태로 축소되어 회로 설계 및 지식 컴파일레이션과 같은 응용 분야에서 효율성이 향상된다.

ABSTRACT

Given a combinational circuit Γ with a single output o, AllSAT-CT is the problem of enumerating all solutions of Γ. Recently, we introduced several state-of-the-art AllSAT-CT algorithms based on satisfying generalization, which generalizes a given total Boolean solution to a smaller ternary solution that still satisfies the circuit. We implemented them in our open-source tool HALL. In this work we draw upon recent theoretical works suggesting that utilizing generalization algorithms, which can produce solutions that entail the circuit without satisfying it, may enhance enumeration. After considering the theory and adapting it to our needs, we enrich HALL’s AllSAT-CT algorithms by incorporating several newly implemented generalization schemes and additional SAT solvers. By conducting extensive experiments we show that entailing generalization substantially boosts HALL’s performance and quality (where quality corresponds to the number of reported generalized solutions per instance), with the best results achieved by combining satisfying and entailing generalization.

연구 동기 및 목표

• 반복 없이 명제 공식의 모든 모델을 수여하는 데 도전하는 문제를 해결하고, 특히 고유하거나 최소 모델이 필요한 응용 분야에서의 적용을 위해.
• 이중 추론과 함의 검사를 통해 모델를 축소시킴으로써 모델 수여의 효율성을 향상시키기 위해.
• 차단 절차를 추가하지 않아도 되는 충돌 기반 절차 학습 메커니즘을 개발하여 부반복 모델 수여를 지원하기 위해.
• 두 모델 수여 접근법에 대한 형식적 정당성 증명을 제공하며, 부분 모델 및 투영된 모델로의 확장도 포함하기 위해.
• 지식 컴파일레이션 및 회로 설계에 실용적으로 적용할 수 있도록 짧고 더 압축된 분리된 제품의 합(DSOP) 표현을 생성하기 위해.

제안 방법

• 모델 수여의 핵심 엔진으로 비순차적 백트래킹을 갖춘 충돌 기반 절차 학습(CDCL)을 사용한다.
• 현재 부분 할당의 부정을 분석함으로써 이중 추론을 활용해 모델를 축소시켜 더 이른 백트래킹과 더 짧은 모델을 가능하게 한다.
• 차단 절차의 이중 인코딩을 도입하여, 차단 기반 접근법에서 모델 축소를 수행할 때도 정확성을 보장한다.
• 표준 CDCL를 수정하여, 공식에 추가하지 않고 트레일에 절차를 기억함으로써 부반복 모델 수여를 지원한다. 이는 공식의 부풀어림을 방지한다.
• 검색 중에 논리적 함의 검사를 적용하여, 부분 할당이 이미 목표 공식을 함의함을 감지할 수 있도록 하여 조기 잘라내기와 더 짧은 모델을 가능하게 한다.
• 변수의 부분집합에 집중함으로써 투영된 모델 수여를 지원하며, 형식적 계산법과 증명 체계를 통해 정확성을 증명한다.

실험 결과

연구 질문

• RQ1 정확성을 유지하면서도 모델를 더 짧고 더 압축된 형태로 축소함으로써, 어떻게 모델 수여의 효율성을 높일 수 있는가?
• RQ2 이중 추론과 함의 검사는 CDCL 기반 수여에서 수여된 모델의 크기에 어떤 영향을 미치는가?
• RQ3 차단 절차 없이도 부반복 모델 수여를 달성할 수 있는가? 정확성은 유지되며 공식의 부풀어림는 방지되는가?
• RQ4 차단 절차의 이중 인코딩은 부반복 케이스에서 모델 축소 시 정확성을 어떻게 보장하는가?
• RQ5 이중 추론 하에서, 최소 모델 탐지와 성능 간의 상충 관계는 투영된 모델 수여에서 어떻게 나타나는가?

주요 결과

• 함의 검사를 동반한 이중 추론 접근법은 여전히 목표 공식을 논리적으로 함의하는 더 짧은 부분 모델을 발견할 수 있게 하여, 검색 공간을 줄이고 효율성을 향상시킨다.
• 제안된 차단 기반 방법(EnumerateIrredundant)은 형식적으로 증명된 이중 인코딩을 통해 차단 절차를 사용함으로써 중복 모델 수여를 정확히 방지한다.
• 부반복 모델 수여 방법(EnumerateRedundant)은 절차를 공식에 추가하지 않고 트레일에 저장함으로써 공식의 부풀어림을 피함으로써 확장 가능한 수여를 가능하게 한다.
• 실험 결과, 이중 모델 축소와 함의 검사를 결합하면 모델 길이가 크게 감소함을 확인하였으며, 이는 최소 또는 근접 최소 DSOP 생성을 뒷받침한다.
• 이 방법은 효율적인 투영된 모델 수여를 가능하게 하며, 이전의 이중 방법과 동일한 모델을 생성하지만, 두 개의 공식을 처리하는 계산 오버헤드 없이 수행된다.
• 이 방법은 회로 설계 및 지식 컴파일레이션에 적합하며, 다항 시간 내에 모델 수를 세는 데 지원하는 압축되고 부반복이 없는 DNF 표현을 생성한다.