SMT制約式の機械学習を用いた自動チューニング

使用SMT约束机器学习进行自动调优

基本信息

批准号：
19K20241
负责人：
高野保真
金额：
$ 1.08万
依托单位：
Kitasato University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K20241/
关键词：
制約ソルバ SMT オートチューニング機械学習背景理論付きSAT

项目摘要

「背景理論付きSAT」（以下、SMTと呼ぶ）という形式の制約式に対して、SMTソルバと呼ばれるソフトウェアを利用してモデル化した種々の制約問題を解く方法が知られている。SMTソルバは与える制約式によって求解時間が異なるため、短かい求解時間が期待できるように制約式を変換し、数あるSMTソルバの中から適したSMTソルバを選択する手法の確立を目指している。機械学習の学習モデルを作成し、その学習モデルを利用して求解時間を見積ることで、ソフトウェア・ハードウェアの検証に用いる制約式の求解時間の短縮に、統計的な手法が有効であるかを明らかにすることが目的となる。機械学習のモデルとしては、研究計画時に主流であったCNN・RNNを用いることとしていた。研究計画時にはSMT制約式を「抽象構文木」として解釈し、それを特徴量として機械学習する予定であったが、SMTソルバに関するオートチューニング方法の既存研究 [Balunovicら、NeurIPS、2018]で検討がなされていることが分かったため、ログ情報を用いてその改善を目指すこととした。これまでに，対象とするSMT制約式を収集し、Z3というSMTソルバが出力するログ情報を利用する方針を定めて、機械学習を行うための基盤を整えた。Z3のログ情報を用いたデバッグツールAxiom Profiler [Beckerら,TACAS2019] の手法で用いている構造を制約式の特徴量として利用するように取り組んでいる。申請時は3年で研究を完了する予定であったが、現状で大幅に計画が遅れており、2023年度中に研究を完了するように延長申請した。

存在一种已知的方法，用于解决使用称为“具有背景理论的SAT”(以下称为SMT)形式的约束方程的SMT求解器的软件建模的各种约束问题。由于 SMT 求解器的求解时间根据所提供的约束方程而有所不同，因此我们的目标是转换约束方程，以便可以缩短求解时间，并建立一种从众多 SMT 求解器中选择合适的 SMT 求解器的方法。通过创建机器学习学习模型并使用学习模型估计求解时间，我们可以评估统计方法是否有效缩短用于软件和硬件验证的约束方程的求解时间。作为机器学习模型，我们决定使用CNN/RNN，这在研究规划时是主流。在研究规划时，我们计划将 SMT 约束解释为“抽象语法树”，并将其用作机器学习的特征，但现有关于 SMT 求解器自动调优方法的研究 [Balunovic et al., NeurIPS, 2018]我们发现确实是这样，我们决定利用日志信息来改进它。到目前为止，我们已经收集了目标SMT约束方程，确定了使用名为Z3的SMT求解器输出的日志信息的策略，并为机器学习奠定了基础。我们正在研究使用 Axiom Profiler [Becker 等人，TACAS2019]（一种使用 Z3 日志信息的调试工具）方法中使用的结构作为约束表达式的特征。申请时，该研究原计划在三年内完成，但由于目前的情况使计划大大推迟，因此已申请延期，以在2023年完成研究。