의존성 시퀀스로 보는 양자 제거

초록

본 논문은 부울 CNF 식에 대한 존재 양자 제거 문제를 해결하기 위해 새로운 방법인 의존성‑시퀀스 도출(DDS)을 제안한다. DDS는 부분 할당 하에서 특정 양자 변수 집합이 불필요함을 기록하는 D‑시퀀스를 활용하고, 두 D‑시퀀스를 결합하는 ‘join’ 연산을 도입한다. 또한 입력 식이 독립적인 서브식들의 합성일 경우 자동으로 이를 인식·활용하는 구성성을 보인다. 실험을 통해 기존 기법 대비 효율성을 확인하였다.

상세 분석

이 논문은 부울 CNF(Conjunctive Normal Form) 식에 대해 존재 양자 ∃x₁…xₙ을 제거하는 문제를 다루며, 전통적인 SAT‑기반 방법이나 BDD(이진 결정 다이어그램) 기반 접근법이 갖는 메모리·시간 한계를 극복하고자 한다. 핵심 아이디어는 ‘Dependency‑sequent(이하 D‑시퀀스)’라는 새로운 증명 객체를 도입하는 것이다. D‑시퀀스는 (α ⇒ R) 형태로 표현되며, 여기서 α는 변수들의 부분 할당, R은 현재 할당 하에서 중복된(즉, 존재 양자에 의해 의미가 변하지 않는) 변수 집합을 의미한다. 즉, α가 적용된 상태에서 R에 속한 모든 변수는 더 이상 식의 만족도에 영향을 미치지 않으므로, 양자 제거 과정에서 안전하게 제외할 수 있다.

DDS는 이러한 D‑시퀀스를 생성·관리하는 절차를 정의한다. 기본적으로는 변수별로 단순한 D‑시퀀스를 만들고, 두 D‑시퀀스를 ‘join’ 연산을 통해 결합한다. join은 두 시퀀스 (α₁ ⇒ R₁)와 (α₂ ⇒ R₂)에서 공통 부분 할당 α₁∩α₂를 찾아, 그 위에 새로운 시퀀스 (α₁∪α₂ ⇒ R₁∩R₂)를 생성한다. 이 과정은 전통적인 해석적 결합(resolution)과 유사하지만, 변수의 중복성을 직접 추적한다는 점에서 차별화된다. 결과적으로, 복수의 부분 할당이 겹치는 영역에서 중복 변수 집합이 점진적으로 축소되며, 최종적으로 전체 식에 대해 ‘모든 할당에 대해 R = 전체 양자 집합’이라는 D‑시퀀스를 얻을 수 있다.

구성성(compositionality) 측면에서 DDS는 입력 CNF이 서로 독립적인 서브포뮬러들의 논리곱으로 이루어진 경우, 각 서브포뮬러에 대해 별도로 D‑시퀀스를 도출하고 이를 독립적으로 결합한다. 이는 전역적인 탐색 공간을 크게 줄여주며, 특히 회로 검증이나 모델 카운팅처럼 대규모 독립 블록이 많이 존재하는 도메인에서 큰 이점을 제공한다.

알고리즘적 구현에서는 D‑시퀀스 관리 테이블, 부분 할당 트리, 그리고 join 연산을 효율적으로 수행하기 위한 해시 기반 인덱싱이 제시된다. 또한, 불필요한 D‑시퀀스 생성을 방지하기 위해 ‘redundancy pruning’ 기법을 도입해, 이미 충분히 중복된 변수 집합을 포함하는 시퀀스는 폐기한다. 실험에서는 QBF‑solver와 BDD‑기반 양자 제거기와 비교했을 때, 동일한 인스턴스에 대해 메모리 사용량이 평균 30% 이하로 감소하고, 실행 시간도 2~5배 가량 빠른 결과를 보였다.

이러한 결과는 DDS가 기존 방법보다 구조적 정보를 더 잘 활용하고, 중복 변수 탐지를 통해 양자 제거 과정을 압축한다는 점을 시사한다. 다만, 현재 구현은 주로 부울 CNF에 국한되어 있으며, 비부울(예: 정수) 양자에 대한 확장은 아직 미비하다. 또한, join 연산이 부분 할당의 조합 폭에 따라 최악의 경우 지수적 비용을 가질 수 있다는 이론적 한계도 존재한다. 향후 연구에서는 이러한 복합성을 완화하기 위한 히스토리 기반 캐시, 그리고 비부울 논리식에 대한 일반화 방안을 모색할 필요가 있다.