Fugu-MT 論文翻訳(概要): A Time Leap Challenge for SAT Solving

論文の概要: A Time Leap Challenge for SAT Solving

arxiv url: http://arxiv.org/abs/2008.02215v1
Date: Wed, 5 Aug 2020 16:33:41 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 18:47:10.267065
Title: A Time Leap Challenge for SAT Solving
Title（参考訳）: SAT解決のためのタイムラプスチャレンジ
Authors: Johannes K. Fichte, Markus Hecher, Stefan Szeider
Abstract要約: 20年前のSATソルバを新しいコンピュータハードウェアで比較し,20年前のハードウェアで最新のSATソルバと比較した。以上の結果から,アルゴリズム面での進歩は,ハードウェア面での進歩よりも少なくともその影響が大きいことが示唆された。
参考スコア（独自算出の注目度）: 30.519940269088956
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We compare the impact of hardware advancement and algorithm advancement for SAT solving over the last two decades. In particular, we compare 20-year-old SAT-solvers on new computer hardware with modern SAT-solvers on 20-year-old hardware. Our findings show that the progress on the algorithmic side has at least as much impact as the progress on the hardware side.
Abstract（参考訳）: 我々は過去20年間のSAT問題解決におけるハードウェアの進歩とアルゴリズムの進歩の影響を比較した。特に,20年前のSATソルバと20年前のハードウェアのSATソルバを比較した。以上の結果から,アルゴリズム面での進歩は,ハードウェア面での進歩よりも少なくとも影響が大きいことがわかった。

関連論文リスト

Self-Satisfied: An end-to-end framework for SAT generation and prediction [0.7340017786387768]
高速SAT問題生成のためのハードウェアアクセラレーションアルゴリズムと幾何SAT符号化を導入する。これらの進歩により、何千もの変数と数万の節でSAT問題へのアプローチをスケールできます。私たちの研究の基本的な側面は、SATデータの本質と、機械学習モデルのトレーニングに適合する可能性に関するものです。
論文参考訳（メタデータ） (2024-10-18T22:25:54Z)
GraSS: Combining Graph Neural Networks with Expert Knowledge for SAT Solver Selection [45.222591894755105]
インスタンスの3部グラフ表現に基づくSATソルバ自動選択のための新しいアプローチであるGraSSを提案する。我々は、新しいノードの特徴設計のようなドメイン固有の決定でグラフ表現を豊かにします。生の表現とドメイン固有の選択の組み合わせが実行時の改善につながることを実証する。
論文参考訳（メタデータ） (2024-05-17T18:00:50Z)
EduSAT: A Pedagogical Tool for Theory and Applications of Boolean Satisfiability [4.392308906793852]
EduSAT は SAT と Satisfiability Modulo Theories (SMT) の学習と理解を支援するツールである。 SATとSMT以外の5つのNP完全問題に対して、鍵アルゴリズムとソルバ抽象化の実装を提供する。 EduSATの利点は、SATとSMTの問題解決技術を実験、分析、検証することで得られる。
論文参考訳（メタデータ） (2023-08-15T17:31:35Z)
A hybrid Quantum proposal to deal with 3-SAT problem [75.38606213726906]
本稿では,3SAT問題を解くためのハイブリッド量子コンピューティング戦略について述べる。この近似の性能は、量子コンピューティングの観点から3-SATを扱う際に、一連の代表的なシナリオで検証されている。
論文参考訳（メタデータ） (2023-06-07T12:19:22Z)
Estimating the hardness of SAT encodings for Logical Equivalence Checking of Boolean circuits [58.83758257568434]
LEC インスタンスの SAT 符号化の硬さは SAT パーティショニングでは textitw.r. と推定できることを示す。そこで本研究では, SAT符号化の難易度を精度良く推定できるパーティショニング法を提案する。
論文参考訳（メタデータ） (2022-10-04T09:19:13Z)
DeepSAT: An EDA-Driven Learning Framework for SAT [9.111341161918375]
We present DeepSAT, a novel-to-end learning framework for the Boolean satisfiability (SAT) problem。 DeepSATは最先端の学習ベースSATソリューションに対して,大幅な精度向上を実現している。
論文参考訳（メタデータ） (2022-05-27T03:20:42Z)
Machine Learning Methods in Solving the Boolean Satisfiability Problem [72.21206588430645]
本論文は, Boolean satisfiability problem (SAT) を機械学習技術で解くことに関する最近の文献をレビューする。 ML-SATソルバを手作り特徴を持つナイーブ分類器からNeuroSATのような新たなエンド・ツー・エンドSATソルバまで,進化するML-SATソルバについて検討する。
論文参考訳（メタデータ） (2022-03-02T05:14:12Z)
NeuroBack: Improving CDCL SAT Solving using Graph Neural Networks [13.185943308470286]
提案的満足度(SAT)は、計画、検証、セキュリティなど、多くの研究分野に影響を与えるNP完全問題である。グラフニューラルネットワーク(GNN)を用いたCDCL SATソルバの高速化に向けた最近の研究本稿では,(1)CDCL SATの解法に必要不可欠である変数の位相(すなわち値)を予測すること,(2)SATの解法開始前に1回だけニューラルネットワークに問い合わせること,の2つの知見に基づくNeuroBackという手法を提案する。
論文参考訳（メタデータ） (2021-10-26T22:08:22Z)
Transformer-based Machine Learning for Fast SAT Solvers and Logic Synthesis [63.53283025435107]
CNFベースのSATとMaxSATは論理合成と検証システムの中心である。そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
論文参考訳（メタデータ） (2021-07-15T04:47:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。