Guiding an Instantiation Prover with Graph Neural Networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F23%3A00372206" target="_blank" >RIV/68407700:21730/23:00372206 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.29007/tp23" target="_blank" >https://doi.org/10.29007/tp23</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.29007/tp23" target="_blank" >10.29007/tp23</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Guiding an Instantiation Prover with Graph Neural Networks
Popis výsledku v původním jazyce
In this work we extend an instantiation-based theorem prover iProver with machine learning (ML) guidance based on graph neural networks. For this we implement an interactive mode in iProver, which allows communication with an external agent via network sockets. The external (ML-based) agent guides the proof search by scoring generated clauses in the given clause loop. Our evaluation on a large set of Mizar problems shows that the ML guidance outperforms iProver’s standard human-programmed priority queues, solving more than twice as many problems in the same time. To our knowledge, this is the first time the performance of a state-of-the-art instantiation-based system is doubled by ML guidance.
Název v anglickém jazyce
Guiding an Instantiation Prover with Graph Neural Networks
Popis výsledku anglicky
In this work we extend an instantiation-based theorem prover iProver with machine learning (ML) guidance based on graph neural networks. For this we implement an interactive mode in iProver, which allows communication with an external agent via network sockets. The external (ML-based) agent guides the proof search by scoring generated clauses in the given clause loop. Our evaluation on a large set of Mizar problems shows that the ML guidance outperforms iProver’s standard human-programmed priority queues, solving more than twice as many problems in the same time. To our knowledge, this is the first time the performance of a state-of-the-art instantiation-based system is doubled by ML guidance.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of 24th International Conference on Logic for Programming, Artificial Intelligence and Reasoning (LPAR)
ISBN
—
ISSN
2398-7340
e-ISSN
2398-7340
Počet stran výsledku
12
Strana od-do
112-123
Název nakladatele
EasyChair Publications
Místo vydání
Manchester
Místo konání akce
Manizales
Datum konání akce
4. 6. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—