| 研究課題/領域番号 |
21K12023
|
|---|
| 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
|
| キーワード | 充足可能性問題 / SAT |
|---|
| 研究実績の概要 |
充足可能性問題(Satisfiability problem, SAT問題)とは、真偽の二値をとるBoolean変数から構成される論理式に対して、式を真にする変数割り当てが存在するか証明する問題である。SATソルバはSAT問題の解を探索するプログラムであり、多くの実世界の問題を解く際に使用されており、高速化の意義は高い。本研究では、機械学習の予測を用いて、SATソルバに組み込まれているヒューリスティックの性能向上を目指す。具体的には、学習の対象となる入力にグラフ構造を直接取り入れることが可能なグラフニューラルネットワーク(GNN)を用いて、SATソルバの探索挙動の解析と改善を行う。SAT問題はグラフとして表現することで、その構造をより捉えやすいことが知られており、グラフの構造を本質的に組み込み可能なGNNと親和性が高いと考えられる。
本年度はGNNの最新技術の調査と、一部のGNNの実装を行いSATソルバの出力を実際に学習させ、SATソルバの挙動の解析を行った。また、頂点被覆問題や巡回セールスマン問題等のグラフ理論の問題に対する、GNNを用いた解の探索に関する論文を調査し、それらのSAT問題への応用の検討も行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
SATソルバの挙動の解析を行っているものの、SATソルバ自体の高速化がまだ達成できていないため。
|
| 今後の研究の推進方策 |
グラフニューラルネットワークの最新動向の調査を進めつつ、引き続きSATソルバの探索状況の様々な指標を学習させ、それらの予測をSATソルバの挙動の高速化に役立てられるか検証を行う予定である。また、GNNを用いて直接SAT問題の解を求めさせることも検討する。
|
| 次年度使用額が生じた理由 |
学会の参加が無かったことと、PCの購入を行わなかったため。次年度では学会の参加とPCの購入を行う予定である。
|
