論文の概要: Probabilistic-bit Guided CDCL for SAT Solving using Ising Consensus Assumptions

• arxiv url: http://arxiv.org/abs/2605.04033v1
• Date: Tue, 05 May 2026 17:54:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:44.072036
• Title: Probabilistic-bit Guided CDCL for SAT Solving using Ising Consensus Assumptions
• Title（参考訳）: Ising Consensus Assumptions を用いたSATソルビング用確率ビットガイドCDCL
• Authors: Melki Bino,
• Abstract要約: 本稿では,確率的ビット (p-bit) のイジングサンプリングが仮仮定としてCDCLに渡される高集積リテラルを提案するハイブリッドSAT解決フレームワークについて検討する。 選択された制御バックボーンランダム3SATベンチマークでは、ハイブリッド方式は、中央値の衝突を80.8-85.5%、中央値の伝搬を80.2-84.6%削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Boolean satisfiability (SAT) solvers are widely used in hardware verification, cryptanalysis, automatic test-pattern generation, and side-channel reasoning workflows. Modern conflict-driven clause-learning (CDCL) solvers are highly effective, but satisfiable instances may still require substantial conflict analysis and Boolean propagation before identifying productive regions of the search space. This paper studies a hybrid SAT-solving framework in which a probabilistic-bit (p-bit) Ising sampler proposes high-agreement literals that are passed to CDCL as temporary assumptions. The goal is not to replace CDCL, but to evaluate whether stochastic low-violation samples can reduce CDCL internal search effort while retaining correctness through CDCL fallback. On selected controlled-backbone random 3-SAT benchmarks, the hybrid method reduces median conflicts by 80.8-85.5% and median propagations by 80.2-84.6% relative to pure CDCL. The observed benefit is distribution-sensitive, suggesting that p-bit guidance is effective only for certain instance classes. We further report exploratory machine-learning gates that estimate when hybrid solving is likely to help. On the selected run, a random-forest gate retains 94.8% of hybrid wins, indicating that lightweight gating may help avoid unproductive hybrid calls.
• Abstract（参考訳）: Boolean satisfiability (SAT) は、ハードウェア検証、暗号解析、自動テストパターン生成、サイドチャネル推論ワークフローで広く使われている。 現代のコンフリクト駆動節学習(CDCL)は、非常に効果的であるが、検索空間の生産性領域を特定する前に、十分なコンフリクト分析とブール伝播を必要とする場合もある。 本稿では,確率的ビット (p-bit) のイジングサンプリングが仮仮定としてCDCLに渡される高集積リテラルを提案するハイブリッドSAT解決フレームワークについて検討する。 目的はCDCLの置き換えではなく,CDCLフォールバックによる正当性を保ちながら,確率的低暴力サンプルがCDCL内部探索の労力を削減できるかどうかを評価することである。 選択された制御バックボーンランダム3SATベンチマークでは、ハイブリッド方式は、中央値の衝突を80.8-85.5%、中央値の伝搬を80.2-84.6%削減する。 観察された利点は分布に敏感であり、pビット誘導は特定のインスタンスクラスに対してのみ有効であることを示している。 さらに、ハイブリッドな解法が役に立つ確率を見積もる探索的な機械学習ゲートについて報告する。 選択されたランでは、ランダムフォレストゲートが94.8%のハイブリッドの勝利を維持しており、軽量なゲーティングが非生産的なハイブリッドコールを避けるのに役立つことを示している。

関連論文リスト

• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Learnable Chernoff Baselines for Inference-Time Alignment [64.81256817158851]
  本稿では,指数関数的に傾いたカーネルから効率よく,およそサンプリングする方法として,Learnerable Chernoff Baselinesを紹介した。 理想的なモデルに対する全変量保証を確立し、LCBサンプリングが理想的拒絶サンプリングと密接に一致するような連続的および離散的な拡散設定を実証する。
  論文  参考訳（メタデータ） (2026-02-08T00:09:40Z)
• Conflict-Driven Clause Learning with VSIDS Heuristics for Discrete Facility Layout [0.0]
  本稿では,コンフリクト駆動型クローズラーニング(CDCL)とDSを個別の施設レイアウト問題に対する計算エンジンとして用いることを検討した。 レイアウト実現のためのCNFベースの定式化を開発し,CDCLベースのSAT解とCPSATおよびMILPの定式化を比較した。
  論文  参考訳（メタデータ） (2025-12-19T20:03:37Z)
• SafeBench-Seq: A Homology-Clustered, CPU-Only Baseline for Protein Hazard Screening with Physicochemical/Composition Features and Cluster-Aware Confidence Intervals [26.81598226089532]
  SafeBench-Seqはメタデータのみの再現可能なベンチマークと,すべて公開データから構築されたベースライン分類器である。 の脅威を近似するために、組み合わせたデータセットを40パーセントのIDでクラスタリングし、クラスタレベルのホールドアウトを実行します。 AUROC/AUPRCとスクリーニング操作点(TPR@1% FPR; FPR@95% TPR)の95%ブートストラップ信頼区間(n=200)を報告した。 我々は,ブライアスコア,期待誤差(ECE),15ビン,信頼性図を用いて,確率品質を定量化する。
  論文  参考訳（メタデータ） (2025-12-19T12:51:31Z)
• Kolmogorov Arnold Networks in Fraud Detection: Bridging the Gap Between Theory and Practice [3.692410936160711]
  本研究では,コルモゴロフ・アルノルドネットワーク(KAN)の不正検出への適用性を検討した。 そこで本研究では,PCA(Principal Component Analysis, 主成分分析)を用いて,データをスプラインを用いて2次元に分割する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T18:58:21Z)
• Sample-Efficient "Clustering and Conquer" Procedures for Parallel Large-Scale Ranking and Selection [3.913403111891027]
  並列コンピューティングにおいてよく使われる「分割と征服」フレームワークを,相関に基づくクラスタリングのステップを追加して修正する。 この一見単純な修正は、広く使われているサンプル最適化R&Sプロシージャのクラスに対して、$mathcalO(p)$のサンプル複雑性の減少をもたらす。 ニューラルネットワーク探索のような大規模AIアプリケーションでは,本手法は優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-03T15:56:03Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Predict then Interpolate: A Simple Algorithm to Learn Stable Classifiers [59.06169363181417]
  Predict then Interpolate (PI) は環境全体にわたって安定な相関関係を学習するためのアルゴリズムである。 正しい予測と間違った予測の分布を補間することにより、不安定な相関が消えるオラクル分布を明らかにすることができる。
  論文  参考訳（メタデータ） (2021-05-26T15:37:48Z)
• Semi-supervised Contrastive Learning with Similarity Co-calibration [72.38187308270135]
  SsCL(Semi-supervised Contrastive Learning)と呼ばれる新しいトレーニング戦略を提案する。 ssclは、自己教師付き学習におけるよく知られたコントラスト損失と、半教師付き学習におけるクロスエントロピー損失を組み合わせる。 SsCLはより差別的な表現を生じさせ,ショット学習に有益であることを示す。
  論文  参考訳（メタデータ） (2021-05-16T09:13:56Z)

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。