May, 2020

基于数据驱动的布尔函数合成方法 Manthan

PDF
TL;DRManthan 是一种基于数据驱动的方法，将布尔函数综合视为分类问题，依赖于约束采样和自动推理等技术，通过对 609 个基准测试案例的评估，证明了其在现有技术上的显著改进，解决了当前技术不能解决的 60 个基准测试案例。
boolean functional synthesismanthanmachine learningconstrained samplingautomated reasoning
发现论文，激发创造
  • BNSynth: 有界布尔函数综合

    该论文介绍了一种名为 BNSynth 的工具，它是解决具有解决方案空间范围限制的 BFS 问题的第一个工具，该工具利用反例指导的神经方法去综合较小的函数，并且相比现有的工具，平均方案大小减少了至少 3.2 倍（最高可达 24 倍）。

    Dec, 2022

  • 显式依赖合成

    该研究提出一种名为 Manthan3 的数据驱动的方法，用于解决依赖量化布尔公式中的 Henkin 合成问题，实现对线路的验证、控制器合成和线路实现等应用方面具有积极的意义。

    Jan, 2023

  • 布尔函数综合的难点

    通过两阶段算法求解 Boolean functional synthesis，在满足一定条件下的第一阶段可提供正确答案，若不满足条件则第二阶段需通过指数级时间生成指数大小的函数，实验表明算法比现有技术更优秀。

    Apr, 2018

  • 自然语言规格说明到数学程序的综合

    研究评估了使用数据增强、后处理和代码生成模型 CodeT5 合成数学程序的效果，通过应用线性规划规则来评分和纠正光束，该方法基于自然语言规范实现自动化建模。实验结果表明，在使用这些增强方法后，CodeT5 基础版本的执行准确率为 0.73，明显优于 ChatGPT 的零 - shot 执行准确率 0.41 和 Codex 的 0.36。

    Mar, 2023

  • 基于组件的表格合并和转换任务从示例中的合成

    该论文提出了一个基于样例的综合技术，能够自动化数据科学中出现的大量数据准备任务，我们的方法不仅限于固定的 DSL 结构，而且还可从任意组件集合中综合程序。论文通过部分程序进行类型导向的枚举搜索，结合两种关键创新技术，即利用任何一阶构建的第一个规范来拒绝部分程序的 SMT 推理，以及利用部分评估来增加推理的能力并推动枚举搜索。我们对数十个从在线论坛中获得的数据准备任务进行了综合算法评估，结果表明我们的方法可以自动解决 R 用户遇到的大类问题。

    Nov, 2016

  • 布尔函数综合的知识编译

    研究 Boolean functional synthesis 问题中 CNF 转化为 SynNNF 的算法，并证明 SynNNF 具有多项式时间综合的优势。

    Aug, 2019

  • BLASYS：使用布尔矩阵分解的近似逻辑综合

    该论文提出了一种新的用于综合近似电路的技术，采用布尔矩阵分解对电路子电路的真值表进行逼近，以获取更低复杂度的子电路，实验表明此方法可在不影响准确度的情况下，节约高达 63% 的功耗。

    May, 2018

  • 朝向基于原则的表格数据合成算法评估

    利用扩散模型和大型语言模型的新型综合器进行对比评估，提出了一套评估指标，旨在解决现有评估指标的局限性，并为调优提供了普遍目标，以保护数据隐私和提高合成数据的质量。

    Feb, 2024

  • 使用答案集规划从生物动力学约束合成布尔网络

    该论文讨论了如何从有关域的限制和结果网络的动态属性中合成布尔函数。使用答案集编程来解决合成问题，然后对其解集进行非冗余特征描述。该方法的可扩展性通过随机网络的案例研究得到了展示，最多可达 100 到 1,000 节点，具备处理细胞分化过程细胞学建模的优势。

    Sep, 2019

  • 太大而无法失败？主动少样本学习引导的逻辑综合

    Bulls-Eye 是一种 fine-tuning 预训练模型的方法，可通过先前的综合数据精确地预测未见过的网路列表的综合配方的质量，这种方案实现了 2x-10x 的运行时间改进和比最先进的机器学习方法更好的结果质量。

    Apr, 2022