MCTS-GEB: Monte Carlo Tree Search is a Good E-graph Builder

要約

書き換えシステム [6, 10, 12] は、等価飽和 [9] を広く採用してきました。これは、飽和した e-グラフを使用して、可能なすべての書き換えシーケンスを同時に表現し、最適なものを抽出する最適化手法です。
このように、位相順序付けの問題を回避することで、最適な結果を得ることができます。
ただし、e-グラフが飽和していない場合、考えられるすべての書き換え機会を表すことができないため、e-グラフの構築フェーズ中にフェーズ順序付けの問題が再導入されることがわかります。
この問題に対処するために、強化学習 (RL) を e-graph 構築に適用するドメイン一般書き換えシステムである MCTS-GEB を提案します。
MCTS-GEB は、中心部でモンテカルロ木探索 (MCTS) [3] を使用して、最適な e-graph 構築を効率的に計画します。
適度な時間。
2 つの異なるドメインでの評価では、MCTS-GEB が最先端の書き換えシステムよりも最大 49 倍優れていることが示されていますが、最適化には通常 1 時間もかからず、MCTS-GEB が次世代の有望なビルディング ブロックであることを示しています。
書き換えシステムの。

要約(オリジナル)

Rewrite systems [6, 10, 12] have been widely employing equality saturation [9], which is an optimisation methodology that uses a saturated e-graph to represent all possible sequences of rewrite simultaneously, and then extracts the optimal one. As such, optimal results can be achieved by avoiding the phase-ordering problem. However, we observe that when the e-graph is not saturated, it cannot represent all possible rewrite opportunities and therefore the phase-ordering problem is re-introduced during the construction phase of the e-graph. To address this problem, we propose MCTS-GEB, a domain-general rewrite system that applies reinforcement learning (RL) to e-graph construction. At its core, MCTS-GEB uses a Monte Carlo Tree Search (MCTS) [3] to efficiently plan for the optimal e-graph construction, and therefore it can effectively eliminate the phase-ordering problem at the construction phase and achieve better performance within a reasonable time. Evaluation in two different domains shows MCTS-GEB can outperform the state-of-the-art rewrite systems by up to 49x, while the optimisation can generally take less than an hour, indicating MCTS-GEB is a promising building block for the future generation of rewrite systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google