論文の概要: A Symbolic Computing Perspective on Software Systems

• arxiv url: http://arxiv.org/abs/2406.09085v1
• Date: Thu, 13 Jun 2024 13:10:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 17:54:00.194264
• Title: A Symbolic Computing Perspective on Software Systems
• Title（参考訳）: ソフトウェアシステムにおけるシンボリックコンピューティングの展望
• Authors: Arthur C. Norman, Stephen M. Watt,
• Abstract要約: シンボリック数学計算システムは、60年以上にわたって、ソフトウェアシステムの石炭鉱山の運河として機能してきた。 主要な記号的数理計算システムには、算術、メモリ管理、その他のプリミティブのための低レベルコード、bespokeプログラミング言語のコンパイラまたはインタプリタ、高レベルの数理アルゴリズムのライブラリ、ユーザーインターフェースなどが含まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Symbolic mathematical computing systems have served as a canary in the coal mine of software systems for more than sixty years. They have introduced or have been early adopters of programming language ideas such ideas as dynamic memory management, arbitrary precision arithmetic and dependent types. These systems have the feature of being highly complex while at the same time operating in a domain where results are well-defined and clearly verifiable. These software systems span multiple layers of abstraction with concerns ranging from instruction scheduling and cache pressure up to algorithmic complexity of constructions in algebraic geometry. All of the major symbolic mathematical computing systems include low-level code for arithmetic, memory management and other primitives, a compiler or interpreter for a bespoke programming language, a library of high level mathematical algorithms, and some form of user interface. Each of these parts invokes multiple deep issues. We present some lessons learned from this environment and free flowing opinions on topics including: * Portability of software across architectures and decades; * Infrastructure to embrace and infrastructure to avoid; * Choosing base abstractions upon which to build; * How to get the most out of a small code base; * How developments in compilers both to optimise and to validate code have always been and remain of critical importance, with plenty of remaining challenges; * The way in which individuals including in particular Alan Mycroft who has been able to span from hand-crafting Z80 machine code up to the most abstruse high level code analysis techniques are needed, and * Why it is important to teach full-stack thinking to the next generation.
• Abstract（参考訳）: シンボリック数学計算システムは、60年以上にわたって、ソフトウェアシステムの石炭鉱山の運河として機能してきた。 彼らは動的メモリ管理、任意の精度算術、依存型といったアイデアをプログラム言語に導入または導入してきた。 これらのシステムは、非常に複雑であると同時に、結果が明確に定義され、明確な検証が可能な領域で操作する特徴を持っている。 これらのソフトウェアシステムは、命令スケジューリングやキャッシュ圧力から、代数幾何学における構成のアルゴリズム的な複雑さまで、様々な抽象化層にまたがっている。 主要な記号的数理計算システムには、算術やメモリ管理などのプリミティブのための低レベルコード、bespokeプログラミング言語のコンパイラやインタプリタ、高レベルの数理アルゴリズムのライブラリ、ユーザインタフェースなどが含まれる。 これらの部品は、それぞれ複数の深い問題を発生させる。 アーキテクチャと数十年にわたるソフトウェアの移植性 * 受け入れと回避のためのインフラストラクチャ * 構築するベース抽象化の選択 * 小さなコードベースから最大限に活用する方法 * コードの最適化と検証を行うコンパイラの開発は、常に重要であり、多くの課題を抱えている。

関連論文リスト

• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  大規模言語モデル(LLM)に基づくKG上の複雑な推論スキーマを提案する。 任意の一階論理クエリを二分木分解により拡張し、LLMの推論能力を刺激する。 広く使われているデータセットに対する実験では、LACTは高度な手法よりも大幅に改善されている(平均+5.5% MRRスコア)。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• CodeComplex: A Time-Complexity Dataset for Bilingual Source Codes [6.169110187130671]
  CodeComplexは、新しいソースコードデータセットで、各コードが手動でアノテートされ、最悪の場合の複雑さに対応する。 私たちの知る限りでは、CodeComplexは複雑さを予測するのに適した、最も広範なコードデータセットである。 コード理解における最先端のニューラルモデルを利用して,様々なベースラインモデルを用いた実験の結果を示す。
  論文  参考訳（メタデータ） (2024-01-16T06:54:44Z)
• Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
  コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。 現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
  論文  参考訳（メタデータ） (2023-12-30T17:48:37Z)
• Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
  学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。 確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。 Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
  論文  参考訳（メタデータ） (2023-09-25T15:42:18Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Deep Distilling: automated code generation using explainable deep learning [0.0]
  説明可能な深層学習を用いてデータからパターンを学習する機械学習手法である深層蒸留を導入する。 深層蒸留では, 分布外分布を一般化した簡潔なコードを生成する。 我々のアプローチは、非支援のマシンインテリジェンスが汎用的で直感的なルールを構築することを実証している。
  論文  参考訳（メタデータ） (2021-11-16T07:45:41Z)
• Proceedings of the 9th International Symposium on Symbolic Computation in Software Science [0.0]
  この巻には、SCSS 2021のシンボリック計算に関する第9回国際シンポジウムで発表された論文が含まれている。 SCSSの目的は、ソフトウェア科学における記号計算の理論的および実践的な側面の研究を、現代の人工知能技術と組み合わせて促進することである。
  論文  参考訳（メタデータ） (2021-09-06T14:22:11Z)
• Discrete Math with Programming: A Principled Approach [0.0]
  離散数学はプログラミングでよりよく教えられると長年主張されてきた。 本稿では、離散数学のすべての中心的な概念をサポートするアプローチを紹介する。 数学や論理文は高いレベルで正確に表現され、コンピュータ上で実行される。
  論文  参考訳（メタデータ） (2020-11-28T03:41:27Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。