基于张量网络的并行加权模型计数
数据结构与算法
2021-06-16 v2
摘要
一种有前景的加权模型计数新代数方法利用张量网络，遵循从加权模型计数到张量网络收缩的归约。先前的工作侧重于分析该方法的单核性能，并证明其是当前加权模型计数算法库中一种有效的补充。在本工作中，我们探究多核与 GPU 的使用对用于加权模型计数的张量网络收缩的影响。为利用多核，我们实现了一个树分解求解器的并行组合 portfolio 以寻找张量收缩的顺序。为利用 GPU，我们使用 TensorFlow 来执行收缩。我们在 1914 个标准加权模型计数基准上比较所得加权模型计数器，并表明其显著改进了虚拟最佳求解器。
引用
@article{arxiv.2006.15512,
title = {Parallel Weighted Model Counting with Tensor Networks},
author = {Jeffrey M. Dudek and Moshe Y. Vardi},
journal= {arXiv preprint arXiv:2006.15512},
year = {2021}
}
备注
Published at MCW-2020