복잡한 이론 연구에서 증거 보조 사용법?


14

STOC와 같은 컨퍼런스에서 다루는 주제를 고려할 때 알고리즘이나 복잡성 연구원이 COQ 또는 Isabelle을 적극적으로 사용하고 있습니까? 그렇다면 연구에서 어떻게 사용하고 있습니까? 나는 증거가 너무 낮기 때문에 대부분의 사람들이 그러한 도구를 사용하지 않을 것이라고 가정합니다. 좋은 보충이 아닌 연구에 중요한 방식 으로이 증거 보조자를 사용하는 사람이 있습니까?

나는 그러한 도구 중 하나를 배우기 시작할 수 있기 때문에 관심이 있으며 축소, 정확성 또는 런타임 증명의 맥락에서 도구에 대해 배우는 것이 재미있을 것입니다.


1
"이론 B"와 특히 프로그래밍 언어 이론을 제외하고 싶습니까? 내 이해는 증거 조수가 PL에서 훨씬 더 자주 사용된다는 것입니다.
Joshua Grochow

1
나는 용어, 내가 "이론 A"내 응용 프로그램에 집중하고 생각 고개
nish2575

1
내가 아는 한, 대부분의 이론 A는 나머지 수학의 대부분과 같은 범주에 있습니다.이 시스템에 지금까지 추가 된 기초가 거의 없으므로 가장 흥미로운 이론은 먼저 필요한 정의를 구현하기위한 인프라. 공식화 된 몇 가지 흥미로운 오토마타 이론이 있으므로 볼만한 곳이 될 수 있습니다.
András Salamon

1
복잡한 이론의 결과는 훨씬 약한 시스템에서 입증되는 경향이 있으며 일반적으로 PA가 필요하지 않습니다. Coq와 Isabeller는 내가 말할 복잡한 이론에 적합하지 않습니다. Cook and Nguyen의 저서에서와 같이 거의 공식적인 증거 스케치가 있지만 주된 관심사는 복잡한 클래스와 관련된 증거 시스템에서이를 증명하는 것입니다. 훨씬 약한 시스템에서 입증 될 수있을 때 Coq의 Switching Lemma에서이를 입증하고 싶은 이유는 무엇입니까?
Kaveh

2
@Kaveh 다양한 증명 시스템의 약점 / 강점은 문제가되지 않습니다. 우리는 프로그램을 검증하려는 것과 같은 이유로 복잡성 이론에서 증명을 공식적으로 확인하고 싶습니다. 또한 증명 이론을 확장하여 복잡한 이론 증명을보다 편리하게 처리 할 수 ​​있도록하는 것도 흥미로운 과제입니다.
Martin Berger

답변:


15

일반적으로 기계화하려는 수학이 더 추상적 / 이국적 일수록 더 쉽게 얻을 수 있습니다. 반대로 수학이 구체적이고 친숙할수록 어려워집니다. 예를 들어 예측 포인트없는 토폴로지와 같은 희귀 동물은 일반 메트릭 토폴로지보다 기계화가 훨씬 쉽습니다.

이것은 처음에는 조금 놀라운 것처럼 보일 수 있지만 이것은 기본적으로 실수와 같은 구체적인 물체가 다양한 대수적 구조에 참여하기 때문에 그것들과 관련된 증거는 모든 관점에서 모든 속성을 사용할 수 있기 때문입니다. 따라서 수학자들이 익숙한 일반적인 추론을하려면 이러한 모든 것을 기계화해야합니다. 대조적으로, 고도로 추상적 인 구조는 (고의적으로) 작고 제한된 속성 세트를 가지므로, 좋은 비트에 도달하기 전에 훨씬 적게 기계화해야합니다.

복잡성 이론 및 알고리즘 / 데이터 구조의 증명은 원칙적으로 숫자, 트리 또는 목록과 같은 간단한 가제트의 정교한 속성을 사용하는 경향이 있습니다. 예를 들어, 조합론, 확률론 및 수 이론적 논증은 복잡한 이론의 이론에서 일상적으로 동시에 나타난다. 이 작업을 수행 할 수있는 시점까지 교정 보조 라이브러리 지원을받는 것은 많은 작업입니다!

사람들이 작업에 기꺼이 참여할 수있는 상황 중 하나는 암호화 알고리즘입니다. 복잡한 수학적 이유 때문에 매우 미묘한 알고리즘 제약 조건이 있으며, 암호 코드는 적대적인 환경에서 실행되기 때문에 아주 작은 오류조차도 비참 할 수 있습니다. 예를 들어, Certicrypt 프로젝트 는 암호화 알고리즘의 정확성에 대한 기계 확인 증거를 구축하기 위해 많은 검증 인프라를 구축했습니다.


6

하나의 매우 유명한 예는 물론 많은 조합론을 사용하는 Coq의 4 색 정리의 Gonthiers Coq 공식화입니다.

저의 동료 인 Uli Schöpp는 Gonthier가 개발 한 ssreflect 라이브러리를 사용하여 그래프 오토마타에서 Cook과 Rackoff의 결과를 Coq에서도 확인하고 약간 확장했습니다. https://scholar.google.at/scholar?oi=bibs&cluster=4944920843669159892&btnI=1&hl=de (Schöpp, U. (2008). 무 방향 그래프 도달 가능성에 대한 공식화 된 하한값. 프로그래밍, 인공 지능 및 추론 논리 ( pp. 621-635). Springer Berlin / Heidelberg.)

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.