We study partial quantifier elimination (PQE) for propositional CNF formulas. In contrast to complete quantifier elimination, in PQE, only a small subset of target clauses is taken out of the scope of quantifiers. The appeal of PQE is twofold. First, it provides a language for performing incremental computations. Many verification problems (e.g. equivalence checking and model checking) are inherently incremental and so can be solved in terms of PQE. Second, PQE can be dramatically simpler than complete quantifier elimination. Our approach is based on deriving clauses depending only on unquantified variables that make the target clauses $\mathit{redundant}$. Proving redundancy of a target clause is done by construction of a "certificate" clause implying the former. We describe a PQE algorithm called $\mathit{START}$ that employs the approach above. We apply $\mathit{START}$ to generating properties of a design implementation. A generated property not implied by a design specification proves the latter $\mathit{incomplete}$. An unwanted property of this implementation displays a $\mathit{bug}$. Our experiments with HWMCC-13 benchmarks suggest that $\mathit{START}$ can be used for generating properties of real-life designs.


翻译:我们研究的是配方CNF公式的局部量化除去(PQE) 。与完全取消量化除去(PQE)相比,在PQE中,只有一小部分目标条款被从限定条款的范围中删除。PQE的吸引力是双重的。首先,它为进行递增计算提供了一种语言。许多核查问题(例如等效检查和模型检查)本质上是递增的,因此可以用PQE解决。第二,PQE可以比完全取消量化条款简单得多得多。我们的方法依据的衍生条款,仅取决于使目标条款成为目标条款的未量化变量 $\ mathit{redant}$。一个目标条款的冗余化是通过构建一个“认证”条款来证明目标条款的。我们描述了一个使用上述方法的PQE算法(例如等效检查和模型检查) 。我们用$\mothat{Sessaty} 生成设计性能特性。设计规格所隐含的产物证明后 $\\ min=xxxxxxxxestal developmental developmental developmental developmental destal developmental gas.

0
下载
关闭预览

相关内容

【干货书】机器人元素Elements of Robotics ,311页pdf
专知会员服务
34+阅读 · 2021年4月16日
专知会员服务
25+阅读 · 2021年4月2日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Effective.Modern.C++ 中英文版,334页pdf
专知会员服务
67+阅读 · 2020年11月4日
【NeurIPS2020-华为】DynaBERT:具有自适应宽度和深度的动态BERT
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
8+阅读 · 2019年7月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Arxiv
0+阅读 · 2021年5月22日
Arxiv
0+阅读 · 2021年5月22日
VIP会员
相关资讯
已删除
将门创投
8+阅读 · 2019年7月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Top
微信扫码咨询专知VIP会员