이 논문은 SAT 문제 해결을 위한 혁신적인 EDA 기반 전처리 프레임워크를 소개한다. 이 프레임워크는 CNF 형식의 SAT 문제를 회로 형식으로 변환하고, 강화 학습 기반 논리 합성 기법과 비용 최적화 LUT 매핑 전략을 통해 문제를 효과적으로 단순화한다. 실험 결과, 이 프레임워크는 SAT 경쟁 벤치마크 문제에서 평균 52.42%의 해결 시간 단축을 달성했으며, 논리 동등성 검사 문제에서는 평균 96.14%의 성능 향상을 보였다. 이는 기존 접근법에 비해 월등한 성과이다. 핵심 기여 사항은 다음과 같다:
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések