Ricercatori hanno presentato l'algoritmo Clipper per la verifica dei sistemi neurali

I ricercatori hanno presentato un nuovo metodo di verifica dei sistemi di feedback delle reti neurali non lineari, che risolve il problema della scalabilità nell'analisi delle applicazioni autonome. Il lavoro, pubblicato in un preprint arXiv, propone un approccio che combina i metodi di ramo e limite con la propagazione delle restrizioni.

Nel quadro della ricerca sono stati sviluppati due componenti chiave: l'interfaccia Rail e l'algoritmo Clipper. Il sistema Rail garantisce l'integrazione delle coperture poliedriche della dinamica con i metodi di propagazione dei limiti nello stile LiRPA. A sua volta, Clipper esegue un raffinamento congiunto di queste coperture e la separazione delle attivazioni del controllore, consentendo di elaborare efficientemente grafici computazionali complessi.

Il principale vantaggio del framework proposto consiste nel mantenimento delle correlazioni simboliche tra passaggi temporali, che in precedenza non era disponibile per i risolutori combinatori. Gli autori notano che i metodi attuali o non gestiscono le dimensioni delle reti neurali o perdono precisione quando si utilizzano algoritmi propagativi. Il nuovo metodo consente di verificare sistemi che in precedenza erano considerati troppo complessi per l'analisi.

I risultati dei test mostrano che l'architettura proposta dimostra un netto vantaggio rispetto alle soluzioni esistenti nei compiti di verifica della dinamica non lineare. L'utilizzo di questo metodo consente agli ingegneri di valutare più precisamente il comportamento dei controllori neurali nelle critiche sistemi autonomi, minimizzando i rischi di errori nella scalabilità dei modelli.