다중 변수 양자화와 외부 메모리 BDD를 위한 중첩 스위핑

초록

본 논문은 외부 메모리 환경에서 대규모 BDD를 효율적으로 다루기 위해 ‘중첩 스위핑’ 프레임워크를 제안한다. 이를 통해 기존 Adiar가 지원하지 못하던 다중 변수 양자화와 관계곱 연산을 I/O‑효율적으로 구현하고, 실험에서 평균 1.7배 빠른 성능을 기록하였다.

상세 분석

Adiar는 기존 BDD 패키지와 달리 재귀 호출 대신 우선순위 큐 기반의 반복 알고리즘을 사용해 I/O‑모델에서 최적성을 확보한다. 그러나 이러한 설계는 중간 결과에 의존하는 복합 연산, 특히 다중 변수 양자화(∃/∀)와 같은 재귀적 결합을 지원하지 못했다. 논문은 이를 해결하기 위해 ‘중첩 스위핑’이라는 두 단계(외부 Apply/Reduce와 내부 Apply/Reduce) 구조를 도입한다. 외부 Apply 단계에서는 입력 BDD들을 전치(transpose)하여 레벨별 정렬된 아크 스트림을 생성하고, 외부 Reduce 단계에서는 레벨별로 하위 결과를 축적한다. 양자화 대상 변수 x_j가 현재 레벨에 도달하면, 해당 레벨의 아크를 별도의 내부 요청 큐(Q_inner↓)에 넣어 내부 Apply 단계에서 OR 연산을 수행한다. 내부 Reduce 단계는 이 OR 결과를 다시 외부 Reduce에 전달해 최종 R‑OBDD를 만든다. 이 과정에서 ‘케이스 1’(양자화 변수와 동일 레벨)과 ‘케이스 2a/2b’(양자화 변수보다 깊은 레벨)로 구분해 요청을 효율적으로 라우팅한다. 또한 레벨화된 컷(levelized cut) 개념을 활용해 우선순위 큐의 메모리 사용량을 입력 BDD의 최대 레벨 컷 크기로 제한한다. 최적화 측면에서는 외부 Apply 단계에서 부분 양자화를 미리 수행하거나, 좁은 레벨을 메모리 내에 적재해 랜덤 액세스를 허용함으로써 불필요한 큐를 제거한다. 실험에서는 QBF 인코딩된 두 플레이어 게임과 Conway의 Life 전이 시스템을 대상으로 기존 깊이‑우선 구현과 비교했으며, 외부 메모리에서 동일 혹은 더 많은 인스턴스를 해결하면서 평균 1.7배의 실행 시간 감소를 보였다. 이러한 결과는 외부 메모리 BDD 연산이 복잡한 논리 검증·모델 체크 분야에서도 실용적으로 활용될 수 있음을 시사한다.