머신러닝을 활용한 단일 상수 곱셈의 효율적인 SAT 인코딩을 위한 좋은 규칙 식별
Identifying Good Rules for Efficient SAT Encodings of Single-Constant Multiplication Using Machine Learning
TL;DR AI
1분핵심 요약
연구진은 하드웨어 최적화의 single-constant multiplication을 위한 SAT 인코딩을 빠르게 하는 신경-기호(neuro-symbolic) 방법을 제안했다.
그래프 신경망이 유망한 분해 규칙을 예측하고, 기호적 탐색은 가능성이 낮은 선택지를 가지치기한다.
학습에 쓰이지 않은 17~32비트 상수에서 인코딩 시간은 10~100배 줄고 메모리 사용량은 97% 이상 감소했다.
또한 분기 수를 크게 줄이면서도 덧셈 횟수는 거의 최적 수준을 유지해 합성의 확장성을 높였다.