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.

Description in English
Computer-aided synthesis represents an emerging paradigm in design automation with many practical applications. The two main approaches to synthesis can be characterised as search-based and inductive techniques. The former use a procedure for generating candidate solutions followed by a verification procedure, and typically cannot guarantee the non-existence or optimality of a solution. The latter leverage an expensive decision procedure that directly constructs the desired solution or proves its non-existence. This project will develop a new methodology that uniquely combines the two approaches within the framework of syntax-guided synthesis. It will focus on systems embracing uncertainty, stochasticity, or approximate computation, which all require quantitative reasoning. The proposed synthesis methods will be tailored to design automation in practically relevant engineering and biological applications. We believe that the combined approach will significantly improve the capabilities of synthesis methods and pave the way towards an automated correct-by-construction design process.

Keywords
Kvantitativní formální metody; syntakticky řízená syntéza; protipříklady; evoluční optimalizace; aproximační techniky; rozhodovací procedury; automatizace návrhů systémů; výpočetní biochemické modely; pravděpodobnostní programy

Key words in English
Quantitative formal methods; syntax-guided synthesis; program sketching; counter-examples; evolutionary optimisation; approximation techniques; decision procedures; system design automation; computational biochemical models; probabilistic programs

GJ20-02328Y

Czech

Češka Milan, doc. RNDr., Ph.D. - principal person responsible
Ambrožová Gabriela, Mgr., Ph.D. - fellow researcher
Andriushchenko Roman, Ing. - fellow researcher
Bíl Jan, Ing. - fellow researcher
Frejlach Jakub, Ing. - fellow researcher
Havlena Vojtěch, Ing., Ph.D. - fellow researcher
Malásková Věra - fellow researcher
Martiček Štefan, Ing. - fellow researcher
Matyáš Jiří, Ing., Ph.D. - fellow researcher
Stupinský Šimon, Ing. - fellow researcher

Department of Intelligent Systems
- responsible department (4.4.2019 - not assigned)
Department of Computer Systems
- internal (4.4.2019 - 31.12.2022)
Department of Intelligent Systems
- beneficiary (4.4.2019 - 31.12.2022)

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

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

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.; 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

Responsibility: Češka Milan, doc. RNDr., Ph.D.