Compilação de conhecimento aplicada a programação lógico-probabilística

• Processo: 25/17392-6
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2025
• Data de Término da vigência: 31 de julho de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Denis Deratani Mauá
• Beneficiário: Dayana Isabel Agudo Guiracocha
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/02937-9 - Indução de programas lógico-probabilístico-neurais, AP.PNGP.PI
• Assunto(s): Programação lógica Representação de conhecimento
• Palavra(s)-Chave do Pesquisador: Programação Lógica | Programação lógico-probabilística | raciocínio neuro-simbólico | Representação de conhecimento

Resumo

A programação lógico-probabilística combina as expressividades da representação lógica e da teoria de probabilidades. Notadamente, programas lógico-probabilísticos podem ser aprendidos por meio do algoritmo de descida do gradiente.Existem duas abordagens para implementar tais sistemas. Uma, exemplificada pelo sistema ProbLog, limita a expressividade a programas estratificados. Embora isso simplifique a semântica e as subsequentes computações, isso restringe a modelagem de fenômenos não-determinísticos e operações mais complexas como agregadores e restrições lógicas. A outra abordagem, exemplificada pelo sistema NeurASP, permite a expressividade completa de Answer Set Programming. As implementações atuais de tal abordagem são baseadas em métodos enumerativos o que limita a modelagem de programas com poucos escolhas probabilísticas.Esta pesquisa de mestrado se propõem a investigar a aplicação de técnicas de compilação de conhecimento para Probabilistic Answer Set Programming. Isto abarca diversas subetapas como a conversão de programas lógicos em lógica proposicional, desta para circuitos booleanos e finalmente para circuitos aritméticos. A implementação desenvolvida será avaliada em tarefas desafiadoras como question answering e planejamento.