G-RRM guía solucionadores simbólicos con modelos de razonamiento recurrente para satisfacción de restricciones

Los autores proponen G-RRM, un enfoque neuro-simbólico que integra modelos de razonamiento recurrente equivariantes a símbolos (SE-RRMs) con solucionadores simbólicos clásicos para mejorar la eficiencia de búsqueda en problemas de satisfacción de restricciones. Los SE-RRMs actúan como solucionadores neuronales que generan propuestas de solución para guiar métodos de retroceso o basados en SAT como Glucose 4.1 y CaDiCaL 3.0.0.

• La eficacia de G-RRM requiere espacios de búsqueda combinatoria expansivos y arquitecturas de solucionadores capaces de sobrescribir dinámicamente las elecciones de ramificación.
• En Sudoku $9\times9$, donde los SE-RRMs resuelven el 91.1% de las instancias, el retroceso se acelera 33.3x y Glucose 4.1 1.70x.
• Glucose 4.1 mantiene una aceleración de 1.17x en cuadrículas $25\times25$ con pistas perfectas.
• CaDiCaL 3.0.0 no muestra una aceleración significativa porque siempre respeta las pistas inyectadas en lugar de sobrescribirlas.

Estos resultados delimitan los regímenes específicos donde la guía neural se traduce en aceleraciones prácticas de tiempo de pared para solucionadores simbólicos.