| 研究課題/領域番号 |
21K12023
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
薗部 知大 国立情報学研究所, ビッグデータ数理国際研究センター, 特任研究員 (50747269)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2023年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | SATソルバ / 探索 / 充足可能性問題 / SAT / グラフニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
充足可能性問題(SAT問題)は計算機科学において重要な問題として知られていて、その問題を解くためのツールであるSATソルバはこの20年でその性能が大きく向上し、ハードウェアの検証や暗号解析など、実世界の多くの問題を解く際に使われている。本研究では、深層学習の一種であるグラフニューラルネットワークを用いてSATソルバの性能の更なる改善を試みる。
|
| 研究成果の概要 |
充足可能性問題(SAT問題)は計算機科学における重要な問題であり、この問題を解くプログラムであるSATソルバは、その性能の高さから実世界の問題を解くために使用されている。本研究では、機械学習の手法のうち、SAT問題と親和性が高いグラフ構造を用いた学習が可能なグラフニューラルネットワークを用いて、SATソルバの性能向上を一部の問題で達成した。
|
| 研究成果の学術的意義や社会的意義 |
充足可能性問題は回路検証、プログラムのバグの発見、ニューラルネットワークの検証、数学の定理証明などの、様々な現実世界の問題に変換可能であり、それらの問題をSATソルバで解くことで実用的な時間で解の発見が可能であることが知られており、高速化が活発に行われている。本研究では、グラフニューラルネットワークを用いて、特定の問題に対してSATソルバの高速化を実現した。
|
