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

要約

タイトル：MCTS-GEB：モンテカルロツリーサーチは優れたイコールグラフビルダーである
要約：
– 再書き換えシステムは等式飽和[9]を広く採用しており、これは飽和したeグラフを使用して同時にすべての可能な書き換えのシーケンスを表し、最適なものを抽出する最適化方法である。
– Eグラフが飽和していない場合は、すべての可能な書き換え機会を表せず、したがって構築フェーズでフェーズ順序問題が再導入されることが観察されています。
– この問題を解決するために、我々はMCTS-GEBを提案します。これは、再書き換えシステムで、強化学習（RL）をeグラフの構築に適用します。
– MCTS-GEBは、最適なeグラフの構築のために効率的に計画するためにモンテカルロツリーサーチ（MCTS）[3]を使用するため、構築フェーズでフェーズ順序問題を効果的に排除し、合理的な時間内により良いパフォーマンスを実現できます。
– 2つの異なるドメインでの評価では、MCTS-GEBは最新の再書き換えシステムを最大で49倍上回るパフォーマンスを発揮することができます。評価は通常1時間以内に行われるため、MCTS-GEBは将来の再書き換えシステムの有望な構築ブロックです。

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, OpenAI