[논문 리뷰] SAT-based Explicit LTL Reasoning

Jianwen Li, Shufang Zhu외 2명|arXiv (Cornell University)|2015. 07. 09.

Formal Methods in Verification참고 문헌 19인용 수 4

한 줄 요약

이 논문은 선형 시간 논리(LTL)를 위한 SAT 기반의 명시적 추론 프레임워크를 소개한다. 기존의 표본 기반 상태 및 전이 구축 방식을 대체하여 SAT 해결을 사용한다. Aalta_v2.0로 구현된 이 접근법은 Aalta_v1.2 및 NuXmv와 같은 기존의 LTL 만족 가능성 검사기보다 런타임을 크게 단축하고 더 많은 인스턴스를 해결하여, 표본 기반 방법보다 SAT 해결이 특정 히ュ리스틱을 결합할 경우 명시적 LTL 추론에서 더 효율적일 수 있음을 보여준다.

ABSTRACT

We present here a new explicit reasoning framework for linear temporal logic (LTL), which is built on top of propositional satisfiability (SAT) solving. As a proof-of-concept of this framework, we describe a new LTL satisfiability tool, Aalta\_v2.0, which is built on top of the MiniSAT SAT solver. We test the effectiveness of this approach by demonnstrating that Aalta\_v2.0 significantly outperforms all existing LTL satisfiability solvers. Furthermore, we show that the framework can be extended from propositional LTL to assertional LTL (where we allow theory atoms), by replacing MiniSAT with the Z3 SMT solver, and demonstrating that this can yield an exponential improvement in performance.

연구 동기 및 목표

• 기존의 표본 기반 명시적 LTL 추론의 계산 비효율성을 해결하기 위해, SAT 해결 분야의 발전에 뒤떨어지는 문제를 해결하고자 한다.
• SAT 해결이 명시적 시간적 추론, 특히 LTL 만족 가능성 검사에서 완전히 활용될 수 있는지 탐색하고자 한다.
• 표현적 표본 기반 분해 대신 SAT 해결을 통해 LTL 전이 시스템을 구성하는 새로운 프레임워크를 설계하고자 한다.
• 속도와 확장성 측면에서 기존 도구를 능가하는 SAT 기반의 LTL 만족 가능성 검사기 구현 및 평가를 수행하고자 한다.
• 순수한 SAT 기반 상태 생성에서 발생하는 상태 공간 폭발 문제를 줄이기 위해 히ュ리스틱을 식별하고 적용하고자 한다.

제안 방법

• 시간 제약 조건을 부울 제약 조건으로 인코딩하고 SAT 솔버를 통해 해결하여 LTL 전이 시스템을 구성함으로써, 표본 기반 상태 확장 방식을 대체한다.
• Minisat와 같은 SAT 솔버를 사용해 상태와 전이를 명시적으로 생성하며, 부울 제약 조건 만족을 통해 정확성을 확보한다.
• 검색 공간을 줄이고 성능을 향상시키기 위해 불만족 가능한 코어 추출, ELIMINATION, SAT_PURSUING 등의 히ュ리스틱을 도입한다.
• 이전 도구인 Aalta_v1.2에서 사용된 비용이 큰 정규형 변환을 피하기 위해 경량 상태 생성 프로세스를 구현한다.
• 충돌 분석 및 코어 추출을 통합한 $getState$ 함수를 설계하여 상태 탐색을 효율적으로 이끈다.
• 프레임워크를 진술 기반 LTL로 확장하여 초도 평가에서 지수적 성능 향상을 보였다.

실험 결과

연구 질문

• RQ1 SAT 해결이 표본 기반 구축 방식을 대체하는 주요 엔진으로 효과적으로 사용될 수 있는가?
• RQ2 상태 공간 크기와 성능 측면에서 SAT 기반 상태 생성은 표본 기반 상태 생성보다 어떻게 비교되는가?
• RQ3 SAT 기반 LTL 추론에 적용할 수 있는 히ュ리스틱은 무엇이며, 상태 폭발 문제를 줄이고 확장성을 향상시키는 데 어떻게 기여하는가?
• RQ4 SAT 기반 명시적 LTL 만족 가능성 검사기는 표본 기반 및 기호적 SAT 기반 솔버를 모두 능가할 수 있는가?
• RQ5 SAT 기반 프레임워크는 LTL에서 브이치로의 변환 또는 모델 체킹과 같은 다른 LTL 추론 작업으로 어떻게 확장될 수 있는가?

주요 결과

• 히ュ리스틱을 적용한 Aalta_v2.0는 6,750개의 LTL 만족 가능성 인스턴스를 해결했으며, NuXmv-BMCIMC(6,714), NuXmv-IC3-Klive(6,700), Aalta_v1.2(6,689)를 능가했다.
• Aalta_v2.0는 Aalta_v1.2 대비 총 런타임을 23,000초 이상 단축시켰으며, 주로 비용이 큰 정규형 생성을 피함으로써 달성했다.
• 불만족 가능한 코어 추출 히ュ리스틱 덕분에 Aalta_v2.0는 벤치마크 세트의 모든 617개의 불만족 가능한 인스턴스를 해결했으며, 이전에 타임아웃이 발생했던 사례들도 포함되었다.
• 만족 가능한 공식에 대해서는 ELIMINATION 및 SAT_PURSUING 히ュ리스틱이 /anzu/amba 및 /anzu/genbuf와 같은 도전적인 벤치마크를 해결하는 데 필수적이었다.
• 히ュ리스틱을 적용한 Aalta_v2.0는 617개의 불만족 가능한 인스턴스를 해결했으며, Aalta_v1.2(309개), ls4(335개)를 능가했지만, 일부 경우에 NuXmv-IC3-Klive가 더 많은 620개를 해결했다.
• 진술 기반 LTL에서 프레임워크는 지수적 성능 향상을 보이며, 명시적 LTL을 넘어서 보다 넓은 적용 가능성을 시사한다.