[논문 리뷰] Exact Inference for Relational Graphical Models with Interpreted Functions: Lifted Probabilistic Inference Modulo Theories

Rodrigo de Salvo Braz, Ciaran O’Reilly|arXiv (Cornell University)|2017. 09. 01.

Bayesian Modeling and Causal Inference인용 수 4

한 줄 요약

이 논문은 이론 모듈로의 상향 추론 프레임워크를 통해 무작위 관계, 무작위 함수, 산술 및 논리적 제약 조건(등식, 부등식)을 동시에 활용하는 관계 그래픽 모델에 대한 최초의 정확한 추론 알고리즘을 소개한다. 상향 추론 기법 중 '역행' 기법을 이론 모듈로로 적응시켜, 논리적 제약 조건을 고려한 효율적이고 정확한 추론을 가능하게 하였다. 이는 논리와 확률을 융합한 풍부하고 표현력 있는 모델에 대해 정확한 추론을 가능하게 한다.

ABSTRACT

Probabilistic Inference Modulo Theories (PIMT) is a recent framework that expands exact inference on graphical models to use richer languages that include arithmetic, equalities, and inequalities on both integers and real numbers. In this paper, we expand PIMT to a lifted version that also processes random functions and relations. This enhancement is achieved by adapting Inversion, a method from Lifted First-Order Probabilistic Inference literature, to also be modulo theories. This results in the first algorithm for exact probabilistic inference that efficiently and simultaneously exploits random relations and functions, arithmetic, equalities and inequalities.

연구 동기 및 목표

• 확률적 추론 이론 모듈화(PIMT)를 확장하여 산술 및 논리적 제약 조건 외에도 무작위 함수와 관계를 처리할 수 있도록 한다.
• 관계적 구조, 기능적 불확실성, 풍부한 논리적 제약 조건을 동시에 활용할 수 있는 정확한 추론 방법의 격차를 메운다.
• 복잡하고 이론이 풍부한 모델에서 효율적으로 확장되면서도 정확성을 유지하는 상향 추론 알고리즘을 개발한다.
• 정수 및 실수 위에서 기능적 불확실성과 논리적 추론이 요구되는 도메인에서 정밀한 확률적 추론을 가능하게 한다.

제안 방법

• 상향 일阶 확률적 추론에서 유래한 '역행' 기법을 이론 모듈로에서 작동하도록 적응시켜 논리적 제약 조건을 고려한 추론을 가능하게 한다.
• 무작위 관계와 함수를 확률적 의미 체계가 확장된 논리 이론의 일부로 표현한다.
• 구조적 대칭성을 기반으로 변수와 절들을 그룹화하기 위해 기호적 조작을 활용하여 상향 연산을 가능하게 한다.
• SMT 기반 추론을 사용하여 산술 제약 조건(정수 및 실수 위의 등식, 부등식)을 추론 과정에 통합한다.
• 원자와 함수 간의 대칭성을 활용하여 정확한 추론을 수행하는 상향 추론 엔진을 사용한다.
• 기호적 추론과 이론 추론을 융합하여 정확성을 유지하면서도 기저 수준의 열거를 피한다.

실험 결과

연구 질문

• RQ1 무작위 관계와 무작위 함수를 포함하는 관계 그래픽 모델에서 정확한 추론을 효율적으로 수행할 수 있는가?
• RQ2 산술 및 논리적 제약 조건을 정수 및 실수 위에서 지원하는 상향 추론은 어떻게 확장할 수 있는가?
• RQ3 기능적 불확실성과 관계적 구조를 결합할 경우 추론 효율성과 정확성에 어떤 영향을 미치는가?
• RQ4 역행 방법은 이론 모듈로에서 일반화되어 정확성과 확장성을 유지할 수 있는가?

주요 결과

• 제안된 방법은 관계적 구조, 기능적 불확실성, 논리적 제약 조건을 동시에 활용하여 정확한 추론을 달성한다.
• 이 알고리즘은 무작위 함수, 관계, 풍부한 산술/논리적 제약 조건을 융합한 모델에 대해 정확한 상향 추론을 지원하는 최초의 알고리즘이다.
• 역행 기법을 이론 모듈로에서 작동하도록 적응시킴으로써, 기저 수준의 계산을 피하면서도 정확성을 유지하는 기호적 상향을 실현한다.
• 이 프레임워크는 정수 및 실수 위에서 기능적 불확실성과 논리적 추론이 요구되는 도메인에서 정밀한 확률적 추론을 가능하게 한다.