PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.20022v1cs.AI

제약 프로그래밍을 위한 전역 차분 제약 전파

Global Difference Constraint Propagation for Constraint Programming

$x - y \leq d$ 형태의 차분 제약(difference constraints)은 최단 경로와의 연관성 때문에 만족(satisfaction)과 함의(implication)에 대한 효율적인 알고리즘이 잘 연구되어 있다. 그러나 유한 영역(finite domain) 전파 알고리즘은 일반적으로 이러한 알고리즘을 활용하지 않고, 각 차분 제약을 별도의 전파기(propagator)로 취급한다. 전파는 해결의 완전성(completeness)을 보장하지만 불필요하게 느릴 수 있다. 본 논문에서는 모든 차분 제약을 동시에 처리하는 (경계 일관(bounds consistent)) 전역 전파기를 구축하는 방법을 설명한다. SAT modulo theory(SMT) 솔버는 한동안 차분 제약에 대한 이론 솔버(theory solver)를 포함해 왔다. 차분 제약용 이론 솔버가 전역 차분 제약 전파기의 기반이 되지만, 전파기에 대한 요구사항은 상당히 다름을 보인다. 핵심적으로, lazy clause generation 솔버 내에서 사용하기 위해 전역 차분 제약 전파기에 의한 전파를 설명(explain)하는 방법을 제시한다. 차분 제약을 전역적으로 처리하면 표준 전파 접근법보다 상당히 개선될 수 있음을 보여주는 실험 결과를 제시한다.

arXiv:2607.00815v1cs.LO

LRAT-Catcher: Importing SAT Solver Certificates into Lean4 by Reflection

LRAT-Catcher는 SAT 솔버가 생성한 LRAT 인증서를 Lean 4 정리(theorem)로 가져오는 범용 독립 도구로, Lean 코어의 공식 검증된 LRAT 체커를 리플렉션(reflection)을 통해 네이티브 코드로 실행하여 Mathlib의 명시적 증명 항(proof-term) 방식이 메모리를 소진하는 대규모 인스턴스에서도 확장 가능하다. 큐브-앤-컨커(cube-and-conquer) 분할 해결 결과를 Lean 내부에서 완전히 합성하는 기능도 제공하며, Schur 수 $S(4)=44$와 Ramsey 수 $R(4,4)=18$을 Lean 정리로 증명하는 평가를 통해 그 실용성을 입증하였다.

arXiv:2606.06641v1cs.AI

가속 푸리에 SAT (AFSAT): GPU 기반 대칭 의사-불리언 SAT 솔버의 완전한 구현

Accelerated Fourier SAT (AFSAT): Fully Realising a GPU-based Symmetric Pseudo-Boolean SAT Solver

본 논문에서는 연속 지역 탐색(CLS)을 기반으로 한 의사-불리언 만족가능성(pseudo-Boolean satisfiability)을 위한 GPU 가속 솔버인 Accelerated Fourier SAT (AFSAT)를 제안한다. AFSAT는 개념 증명 수준의 접근 방식인 FastFourierSAT를 단일 문제 인스턴스 내에서 대칭 제약 유형과 길이의 임의적인 이종 혼합을 지원하는 완전히 공학적으로 구현된 솔버로 발전시킨다. JAX 컴파일러를 활용하여 AFSAT는 순수 함수 합성, 자동 벡터화, 자동 미분, 그리고 JIT(just-in-time) 컴파일을 통해 후보 할당의 배치 전체에 걸쳐 대규모 병렬 CLS를 수행한다. 메모리 지연 및 부동소수점 표현에서 발생하는 다양한 한계를 식별하고 해결하는 동시에 자동 병렬화 및 컴팩트 표현을 활용함으로써, 개념 증명 대비 수치 안정성, 실행 시간 성능, 메모리 효율성을 크게 향상시켰다. 부동소수점의 본질적인 표현 및 안정성 한계는 맞춤형 이산 푸리에 변환(DFT) 구현을 통해 부분적으로 해소된다. JAX 배열 샤딩을 통해 다중 가속기로 확장 시 거의 선형에 가까운 처리량을 달성한다.