Core Concepts
이 논문은 QMLTP 라이브러리의 1차 모달 논리 문제를 고전 1차 및 고차 논리로 변환하여 자동 정리 증명 시스템으로 해결하는 과정을 평가한다. 이 간접적인 접근법은 기존의 모달 논리 자동 증명 시스템보다 우수한 성능과 유연성을 제공한다.
Abstract
이 논문은 1차 모달 논리 문제를 고전 1차 및 고차 논리로 변환하여 자동 정리 증명 시스템으로 해결하는 과정을 평가한다. 주요 내용은 다음과 같다:
모달 논리 문제를 고전 논리로 변환하는 과정의 신뢰성과 실용성을 테스트한다.
다양한 1차 및 고차 자동 정리 증명 시스템의 모달 논리 문제 해결 능력을 평가한다.
네이티브 모달 논리 자동 증명 시스템과 변환 접근법의 성능을 비교한다.
실험 결과, 변환 접근법은 최신 자동 정리 증명 시스템을 백엔드로 사용할 때 신뢰할 수 있고 성공적이며, 네이티브 모달 논리 자동 증명 시스템과 유사한 성능으로 정리 증명을 수행하지만, 반증에서는 더 나은 성과를 보인다. 또한 변환 접근법은 네이티브 시스템이 지원하지 않는 더 다양한 모달 논리를 다룰 수 있다.
Stats
모달 논리 M에서 MleanCoP는 가장 많은 정리를 증명했으며, 이는 최선의 변환 기반 시스템보다 2.1% 더 많다.
모달 논리 D에서 MleanCoP는 가장 많은 정리를 증명했으며, 이는 최선의 변환 기반 시스템보다 3.1% 더 많다.
모달 논리 S4에서 MleanCoP는 가장 많은 정리를 증명했으며, 이는 최선의 변환 기반 시스템보다 6.1% 더 많다.
모달 논리 S5에서 Vampire(TFF 변환)가 가장 많은 정리를 증명했으며, 이는 MleanCoP보다 9.3% 더 많고 nanoCoP-M보다 26.0% 더 많다.
Quotes
"이 간접적인 접근법은 기존의 모달 논리 자동 증명 시스템보다 우수한 성능과 유연성을 제공한다."
"변환 접근법은 네이티브 시스템이 지원하지 않는 더 다양한 모달 논리를 다룰 수 있다."