DisjunctiveNet: нейросеть, гарантированно выполняющая логические правила

Исследователи представили DisjunctiveNet — нейросимволический фреймворк, который учится соблюдать сложные логические и математические ограничения, не используя штрафы или недифференцируемую постобработку. Работа опубликована в архиве препринтов arXiv.

Многие научные и инженерные задачи сталкиваются с нехваткой данных, но при этом обладают богатыми знаниями в виде физических законов или экспертных правил. Эти правила часто выражаются через логические высказывания и линейные неравенства. Существующие гибридные подходы либо применяют мягкие штрафы, что не гарантирует точного выполнения, либо используют специализированные архитектуры, не адаптируемые под входные данные.

DisjunctiveNet предлагает унифицированное сквозное обучение: правила представляются в виде дизъюнктивных ограничений, к которым применяется иерархическая выпуклая релаксация. Полученные выпуклые оболочки превращаются в линейные ограничения, встраиваемые в нейросеть как дифференцируемые слои. Это позволяет добиться жёсткого соблюдения правил при сохранении полной обучаемости.

Эксперименты на реальных наборах данных показали, что DisjunctiveNet достигает 100% соблюдения заданных правил, при этом точность прогнозов не уступает традиционным методам. По словам авторов, такой подход особенно актуален для задач, где нарушение правил недопустимо — например, в медицине, робототехнике или управлении технологическими процессами.

Разработчики отмечают, что фреймворк можно расширить для работы с более сложными нелинейными ограничениями. Код и примеры использования доступны в репозитории проекта.