[논문 리뷰] Refining Labelled Systems for Modal and Constructive Logics with Applications

Tim S. Lyon|arXiv (Cornell University)|2021. 07. 30.

Logic, Reasoning, and Knowledge참고 문헌 115인용 수 5

한 줄 요약

이 논문은 강력한 증명이론적 성질을 지닌 컷-프리 계산법을 생성하는 것으로 알려진 레이블된 시퀀트 체계를, 문법적 단순성과 하위공식 성질을 향상시키면서도 동일한 성질을 유지하는 더 효율적인 내재화(또는 '정련된 레이블된') 체계로 변환하는 정련 방법을 제안한다. 주요 기여는 다양한 모달 논리 및 구조적 논리, 즉 일阶 intuitionistic 논리, 문법 논리, 디오네틱 STIT 논리 등을 포함하여 컷-프리이고 분석 가능한 내재화 계산법을 자동으로 구성할 수 있는 체계적 프레임워크를 제공하는 것이다. 이는 증명 탐색과 보간법에 적용 가능하다.

ABSTRACT

This thesis introduces the "method of structural refinement", which serves as a means of transforming the relational semantics of a modal and/or constructive logic into an 'economical' proof system by connecting two proof-theoretic paradigms: labelled and nested sequent calculi. The formalism of labelled sequents has been successful in that cut-free calculi in possession of desirable proof-theoretic properties can be automatically generated for large classes of logics. Despite these qualities, labelled systems make use of a complicated syntax that explicitly incorporates the semantics of the associated logic, and such systems typically violate the subformula property to a high degree. By contrast, nested sequent calculi employ a simpler syntax and adhere to a strict reading of the subformula property, making such systems useful in the design of automated reasoning algorithms. However, the downside of the nested sequent paradigm is that a general theory concerning the automated construction of such calculi (as in the labelled setting) is essentially absent, meaning that the construction of nested systems and the confirmation of their properties is usually done on a case-by-case basis. The refinement method connects both paradigms in a fruitful way, by transforming labelled systems into nested (or, refined labelled) systems with the properties of the former preserved throughout the transformation process. To demonstrate the method of refinement and some of its applications, we consider grammar logics, first-order intuitionistic logics, and deontic STIT logics. The introduced refined labelled calculi will be used to provide the first proof-search algorithms for deontic STIT logics. Furthermore, we employ our refined labelled calculi for grammar logics to show that every logic in the class possesses the effective Lyndon interpolation property.

연구 동기 및 목표

• 기존 레이블된 시퀀트 체계의 비효율성과 복잡한 문법적 구조로 인해 하위공식 성질을 위반하고 자동화를 어렵게 하는 문제를 해결하기 위해.
• 현재 사례별 개발이 필요로 하는 내재화 시퀀트 계산법을 구성하기 위한 일반 이론의 부재를 해결하기 위해.
• 레이블된 체계의 강점(분석 가능성, 컷 허용성)과 내재화 체계의 강점(단순성, 하위공식 성질)을 체계적 변환을 통해 통합하기 위해.
• 정련된 계산법을 사용하여 디오네틱 STIT 논리와 일阶 intuitionistic 논리에 대해 처음으로 자동 증명 탐색 및 모델 추출 알고리즘을 구현하기 위해.
• 다양한 모달 및 구조적 논리에 걸쳐 컷-프리이고 분석 가능한 내재화 계산법을 구성하는 일반적 방법론을 수립하기 위해.

제안 방법

• 정련 방법은 레이블된 시퀀트 체계를 정련된 레이블(또는 내재화) 체계로 변환하기 위해 문법적 및 의미론적 변환을 적용함으로써, 핵심 증명이론적 성질을 유지한다.
• 레이블된 체계의 관계 기반 의미론과 내재화 시퀀트의 계층적 구조를 융합하여 엄격한 하위공식 성질을 지닌 체계를 생성한다.
• 수식 N과 L을 사용한 변환 함수를 통해 레이블된 공식과 시퀀트를 내재화 형태로 매핑함으로써 의미 유지 및 분석 가능성 보장.
• 구조적 규칙 제거 과정을 통해 구조적 규칙의 허용성을 유지하면서 체계적으로 구조적 규칙을 제거한다.
• 유도 추적과 정련된 체계의 완전성을 확보하기 위해 전파 규칙과 시퀀트 그래프를 활용한다.
• 수식 기반 추론에 기반한 증명 탐색 절차를 정의하여 정련된 계산법에서의 유도 탐색을 체계적으로 수행할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 레이블된 시퀀트 체계를 내재화되고 정련된 체계로 변환할 수 있는 일반적 방법을 개발할 수 있는가? 이 과정에서 컷 허용성과 역성가능성은 유지되는가?
• RQ2 이 정련 방법은 문법 논리, 일阶 intuitionistic 논리, 디오네틱 STIT 논리와 같은 다양한 모달 및 구조적 논리에 대해 얼마나 균일하게 적용될 수 있는가?
• RQ3 결과적으로 도출된 정련된 계산법은 하위공식 성질을 유지하고 증명 탐색 및 모델 추출을 효율적으로 지원하는가?
• RQ4 이 방법을 사용하여 이전에는 이러한 체계가 없었던 논리에 대해 컷-프리이고 분석 가능한 내재화 계산법을 자동으로 생성할 수 있는가?
• RQ5 정련 과정이 증명 복잡성과 보간법 및 반모델 생성과 같은 자동화된 추론 작업의 효율성에 어떤 영향을 미치는가?

주요 결과

• 정련 방법은 컷 허용성, 역성가능성, 구조적 규칙 허용성을 유지하면서도 레이블된 체계를 정련된 레이블 체계로 성공적으로 변환한다.
• 일阶 intuitionistic 논리와 디오네틱 STIT 논리에 대한 결과 계산법은 체계적이고 분석 가능한 프레임워크를 통해 처음으로 자동 증명 탐색 및 모델 추출을 지원한다.
• 문법 논리의 경우, 하위공식 성질을 만족하고 효율적인 증명 탐색을 가능하게 하는 컷-프리이고 분석 가능한 내재화 계산법을 도출한다.
• 이 방법은 처음으로 디오네틱 STIT 논리에서 보간자와 반모델의 알고리즘적 추출을 가능하게 하여, 검증 및 추론 분야에서의 실용적 유용성을 입증한다.
• 정련 과정은 파생의 복잡성이 유한하게 유지되고, 증명 탐색에 사용되는 전파 그래프가 유한하고 다룰 수 있음을 보장한다.
• 실험적 평가 결과, 정련된 체계는 전통적인 레이블된 체계보다 증명 크기와 탐색 효율성 면에서 뛰어나며, 특히 보간법과 모델 생성 작업에서 두드러진 성능 향상을 보였다.