Detail projektu
Computer-Aided Quantitative Synthesis
Období řešení: 1. 1. 2020 – 31. 12. 2022
Typ projektu: grant
Kód: GJ20-02328Y
Agentura: Grantová agentura České republiky
Program: Juniorské granty
Kvantitativní formální metody; syntakticky řízená syntéza; protipříklady;
evoluční optimalizace; aproximační techniky; rozhodovací procedury; automatizace
návrhů systémů; výpočetní biochemické modely; pravděpodobnostní programy
Počítačem podporovaná syntéza je nové paradigma v oblasti automatizace návrhu
systémů s mnoha praktickými aplikacemi. V současnosti existují dva hlavní
přístupy k syntéze: techniky založené na prohledávání stavového prostoru
a induktivní techniky. Prvně zmíněný přístup postupně generuje kandidátní řešení,
jejichž korektnost je následně verifikována. Tento přístup zpravidla není schopen
dokázat neexistenci nebo optimálnost řešení. Induktivní techniky používají
náročnou rozhodovací proceduru, která přímo zkonstruuje požadované řešení, nebo
dokáže jeho neexistenci.
Cílem tohoto projektu je vývoj nové metodiky, která unikátním způsobem kombinuje
oba přístupy v rámci syntézy řízené syntaxí. Projekt je zaměřen na systémy mající
pravděpodobnostní chování či zahrnující přibližné výpočty, a které tak vyžadují
kvantitativní analýzu. Navržené metody budou přizpůsobeny problémům v oblasti
vývoje relevantních inženýrských a biologických systémů. Věříme, že navržený
kombinovaný přístup znatelně rozšíří možnosti současných metod pro automatizovaný
vývoj komplexních systémů.
Ambrožová Gabriela, Mgr., Ph.D.
Andriushchenko Roman, Ing. (UITS)
Bíl Jan, Ing.
Frejlach Jakub, Ing.
Havlena Vojtěch, Ing., Ph.D. (UITS)
Malásková Věra (UITS)
Martiček Štefan, Ing.
Matyáš Jiří, Ing., Ph.D. (VZ VERIFIT)
Stupinský Šimon, Ing.
2024
- HELFRICH, M.; ANDRIUSHCHENKO, R.; ČEŠKA, M.; KŘETÍNSKÝ, J.; MARTIČEK, Š.; ŠAFRÁNEK, D. Abstraction-based segmental simulation of reaction networks using adaptive memoization. BMC BIOINFORMATICS, 2024, vol. 25, no. 1,
p. 1-24. ISSN: 1471-2105. Detail
2022
- ANDRIUSHCHENKO, R.; ČEŠKA, M.; JUNGES, S.; KATOEN, J. Inductive Synthesis of Finite-State Controllers for POMDPs. In Conference on Uncertainty in Artificial Intelligence. Proceedings of Machine Learning Research. Eindhoven: Proceedings of Machine Learning Research, 2022.
p. 85-95. ISSN: 2640-3498. Detail - ANDRIUSHCHENKO, R.; ČEŠKA, M.; MARCIN, V.; VOJNAR, T. GPU-Accelerated Synthesis of Probabilistic Programs. In International Conference on Computer Aided Systems Theory (EUROCAST'22). Lecture Notes in Computer Science. Cham: Springer Nature Switzerland AG, 2022.
p. 256-266. ISBN: 978-3-031-25312-6. Detail
2021
- ANDRIUSHCHENKO, R.; ČEŠKA, M.; JUNGES, S.; KATOEN, J. Inductive Synthesis for Probabilistic Programs Reaches New Horizons. International Conference on Tools and Algorithms for the Construction and Analysis of Systems (TACAS). Lecture Notes in Computer Science. Cham: Springer International Publishing, 2021.
p. 191-209. ISBN: 978-3-030-72015-5. Detail