효율적 그라운딩을 위한 상승형 단위 전파

초록

본 논문은 전통적인 SAT 기반 그라운딩 과정에서 발생하는 대규모 인스턴스 문제를 해결하기 위해, 실제 인스턴스에 대한 구체적인 전파를 수행하기 전에 논리식 자체에 대해 “상승형(unit propagation, LUP)”을 적용하는 방법을 제안한다. LUP은 부분 구조(LUP 구조)를 생성하고, 이를 이용해 상향식 혹은 하향식 그라운더가 불필요한 서브식들을 사전에 제거하도록 수정한다. 실험 결과, LUP을 적용한 Enfragmo 그라운더는 전통적인 그라운딩 대비 CNF 크기가 현저히 감소하고, 전체 해결 시간도 경우에 따라 크게 개선됨을 보였다.

상세 분석

이 논문은 모델 확장(Model Expansion) 문제를 FO(First‑Order) 논리식 φ와 유한 구조 A의 조합으로 정의하고, 이를 SAT 혹은 ASP 솔버에 전달하기 위해 φ를 A 위에 그라운딩하고 CNF 형태로 변환하는 전형적인 파이프라인을 재검토한다. 전통적인 그라운딩은 φ의 모든 자유 변수에 대해 도메인 원소를 대입해 “naïve grounding”을 만든 뒤, Tseitin 변환을 통해 CNF으로 만든다. 이 과정에서 생성되는 절과 변수의 수는 도메인 크기와 φ의 구조에 따라 급격히 증가한다. SAT 솔버가 실제 탐색에 들어가기 전에 수행하는 Unit Propagation(UP)은 이러한 대규모 CNF를 크게 축소시킬 수 있지만, 이미 그라운딩 단계에서 많은 메모리와 시간을 소모한 뒤에야 적용된다.

논문은 이 비효율성을 해소하기 위해 “Lifted Unit Propagation(LUP)”이라는 개념을 도입한다. LUP은 두 단계로 구성된다. 첫 번째 단계에서는 φ 자체에 대해 UP을 수행한 결과를 추상화한 “LUP 구조” LU​P(φ, A)를 만든다. 이 구조는 부분 구조(partial structure) 형태로, 각 관계 심볼에 대해 {⊤, ⊥, ∞} 중 하나의 값을 갖는다. 여기서 ⊤와 ⊥는 모든 가능한 인스턴스에서 해당 서브식이 반드시 참 혹은 거짓임을 의미하고, ∞는 아직 결정되지 않음을 나타낸다. LUP 구조는 φ에 대한 논리적 추론을 도메인 A와 무관하게 수행함으로써, 실제 인스턴스에 대한 구체적인 평가 없이도 “단위 전파”가 제공하는 정보를 미리 확보한다.

두 번째 단계에서는 기존의 상향식(bottom‑up) 혹은 하향식(top‑down) 그라운딩 알고리즘을 수정한다. 그라운딩 과정에서 서브식이 LUP 구조에 의해 ⊤ 혹은 ⊥로 확정되면, 해당 서브식은 즉시 상수값으로 치환되어 더 이상 전개되지 않는다. 이는 전통적인 “naïve grounding”이 모든 변수 조합을 전부 전개하는 것과 달리, 불필요한 조합을 사전에 차단한다. 특히, 하향식 그라운더에서는 재귀 호출 시점에 LUP 정보를 조회해 조기 종료를 수행하고, 상향식 그라운더에서는 기본 사례(base case)에서 LUP 구조를 참조해 불필요한 튜플 생성 자체를 방지한다.

논문은 LUP 구조를 계산하기 위해 φ에 대한 귀납적 정의를 제시하고, 이를 관계 대수 연산을 이용한 반-순진(semi‑naïve) 평가 알고리즘으로 구현한다. 구현은 기존 Enfragmo 그라운더에 통합되었으며, GWB(grounding with bounds)와 비교했을 때 유사한 이론적 기반을 가지면서도 실제 구현에서는 더 간단한 설계가 가능함을 강조한다.

실험에서는 LUP을 적용한 Enfragmo가 동일 인스턴스에 대해 전통적인 그라운더와 비교해 CNF 절 수가 평균 30%~70% 감소하고, 경우에 따라 10배 이상 압축되는 결과를 보였다. 그러나 LUP 구조를 계산하는 비용 때문에 전체 그라운딩 시간은 약간 증가했지만, CNF 변환 및 SAT 솔버에 전달되는 데이터가 크게 줄어들어 전체 해결 시간(그라운딩 + CNF + SAT)은 일부 케이스에서 현저히 단축되었다. 또한, MiniSat과 결합했을 때 IDP 시스템(기존 GIDL + MiniSat)보다 일관되게 빠른 성능을 기록했다.

핵심 인사이트는 다음과 같다. (1) 단위 전파의 효과를 그라운딩 이전에 “리프팅”함으로써, 대규모 도메인에서도 불필요한 서브식 전개를 억제할 수 있다. (2) 부분 구조를 이용한 정보 전달은 기존 GWB와 달리 완전한(complete) 정보를 제공하므로, 하향식·상향식 그라운더 모두에서 동일하게 적용 가능하다. (3) LUP은 이론적으로는 UP와 동등한 축소 효과를 보장하지만, 실제 구현에서는 그라운더와 SAT 변환 사이의 균형을 맞추는 것이 성능 최적화의 핵심이다. 향후 연구에서는 산술 연산, 집계(aggregate)와 같은 복합 FO 확장을 지원하고, LUP 구조 계산을 더 효율적인 데이터 구조(예: BDD, SAT‑based 추론)와 결합하는 방안을 탐색할 필요가 있다.