work3的博客

本博文探讨了流体动力学模拟中舍入误差的建模与分析，特别是在百亿亿次计算背景下二进制64位精度是否足够这一核心问题。文章介绍了数值误差的两个主要来源：离散化误差和浮点运算舍入误差，并提出了基于弱浮点数的实验方法，通过外推低精度下的发散点来估计二进制64位的发散点。研究结果表明，随着问题规模的增大，舍入误差的影响逐渐显著，对未来的高性能计算应用提出了更高的精度和误差控制需求。

本文介绍了一种高效的求和算法，旨在提升数值计算中的准确性、收敛速度与可重复性。通过在Simpson法则、LU分解、Jacobi方法和迭代幂法等数值方法中的应用，验证了该算法在减小计算误差、加速收敛过程以及增强结果可重复性方面的显著优势。此外，文章还探讨了未来改进方向，包括算法优化、静态分析引入以及在神经网络领域的应用潜力。

本文介绍了一种新的并行求和算法，旨在解决浮点运算中由于舍入误差、吸收和抵消现象导致的数值精度问题。该算法通过按指数对浮点数进行分组求和，在不增加时间复杂度的前提下，有效提升了数值精度、加速了迭代方法的收敛，并支持了计算的可重复性。实验表明，该算法在辛普森法则、LU分解、雅可比方法、迭代幂法和矩阵乘法等应用中表现优异，相较于Demmel和Hida提出的算法，具有更低的时间复杂度和更好的执行效率。

本博客介绍了一种飞行场景中神经网络控制器的形式验证方法，重点在于通过状态空间划分、相对加速度边界的计算以及SMT求解器的应用，验证控制器的安全性。文中定义了安全状态、可安全化状态和临界状态，并通过强化学习训练了一个碰撞避免控制器。实验结果表明，该方法能够有效识别关键的临界区域，并评估控制器在这些区域的表现，为飞行安全提供了理论支持和技术参考。

本文详细探讨了LLVM抽象解释与基于区域的内存模型，以及神经网络控制器的形式验证方法。在内存模型部分，介绍了地址与单元的转换机制、具体语义辅助函数以及引用与整数之间的转换操作；在神经网络控制器验证部分，阐述了可安全性与关键状态的概念，结合可达性分析和SMT求解器的验证方法，并通过飞机碰撞避免场景的实验展示了验证的有效性。文章为编程语言实现、编译器优化及AI安全关键系统的验证提供了理论与实践基础。

本文介绍了基于区域的内存模型（RBMM）在LLVM抽象解释中的应用。文章详细阐述了RBMM的内存操作语义，包括内存分配、释放、指针算术和内存访问等操作，并探讨了Smashing和Recency两种区域抽象域的设计与实现。通过实验评估，分析了RBMM在现代C项目中的现实性、分析能力与效率。文章还提供了CrabIR代码示例，并展望了RBMM在未来静态分析领域的发展潜力。

本文介绍了一种基于区域内存模型（RBMM）的LLVM抽象解释方法，通过将内存划分为不同的区域，简化了静态分析中的内存抽象，提高了分析效率和准确性。结合新引入的中间表示CrabIR，该方法能够有效处理复杂的内存操作和数据结构，如链表属性的验证。适用于内存安全检查、别名分析简化以及静态分析效率提升的场景。

本文探讨了自动驾驶中心线跟踪神经网络的分析方法与LLVM程序的抽象解释技术。针对TinyNet神经网络，研究通过提取激活模式和使用Marabou进行安全性属性验证，识别网络行为的一致性区域，并生成反例以辅助调试和改进模型。在LLVM抽象解释部分，提出基于区域的内存模型（RBMM），提升低级别程序静态分析的精度与效率。文章还对比了相关工作，总结了经验教训，并展望了未来在减少训练数据冗余、运行时预测正确性及结合模拟器信息等方面的应用前景。

本文介绍了一种名为Prophecy的技术，用于分析自主中心线跟踪（ACT）神经网络模型的行为，该模型用于机场滑行道上飞机的自主引导。通过提取神经网络的激活模式，并结合GradCAM++和Marabou工具，对模型的正确性和安全属性进行分析和可视化，从而解释网络的正确与错误行为，并提供一致行为的保证。此外，还探讨了这些激活模式在运行时监控、置信度估计和训练数据优化等方面的潜在应用，为安全关键领域神经网络的可靠性和可解释性提供了新的方法和思路。

本文介绍了使用 TLA+ 对 Abaco 自动伸缩器进行设计和验证的过程。通过 TLC 进行模型检查，发现了潜在的状态空间问题，并利用 TLAPS 形式化证明了系统的关键安全属性 RevisionNumberInv。文章展示了如何结合 TLC 和 TLAPS 发现并修复竞态条件，提升系统可靠性和架构理解，同时总结了使用形式化方法对 Abaco 项目带来的实际好处。

本文介绍了如何使用TLA+对Abaco自动伸缩器进行形式化建模与验证。Abaco是一个基于Actor模型的科研计算平台，其自动伸缩器需要确保actor执行的低延迟和高效资源利用。通过TLA+规范定义，结合TLC模型检查器和TLAPS证明系统，研究团队成功解决了之前版本中存在的竞态条件问题，并验证了关键安全属性和活性属性。文章展示了使用形式化方法在复杂分布式系统设计中的有效性，为类似系统的开发与验证提供了参考。

本研究提出两种不确定性感知的信号时态逻辑（STL）推理算法TLI-UA和TLI-UA-DT，并与基于随机采样的基线算法TLI-RS和TLI-RS-DT进行对比评估。实验结果表明，不确定性感知算法在执行时间和鲁棒性边缘方面均具有显著优势，尤其在引入决策树变体后效率大幅提升。研究还验证了算法在推手机器人场景中的有效性，展示了其在策略推理中的应用潜力。未来可拓展至强化学习和图时态逻辑推理领域。

本文探讨了不确定性感知的信号时序逻辑(STL)推理方法，重点研究在存在不确定性的场景下如何对区间轨迹进行分类。通过定义布尔语义和鲁棒语义，提出了针对有限轨迹和无限轨迹分类的问题框架，并设计了基于OptSMT求解器的TLI-UA和TLI-UA-DT算法来推断能够完美分类轨迹的STL公式。文章还分析了算法复杂度、总结性能，并给出了实际应用案例和未来研究方向。

本文探讨了两种针对复杂系统分析的方法：定时参与者的偏序约简（POR）和不确定感知的信号时序逻辑（STL）推理。首先，通过在航空交通控制系统（ATC）中的实验表明，POR方法在高并发场景下显著减少了模型检查的状态空间和时间消耗，提高了效率。其次，不确定感知的STL推理方法通过量化轨迹的不确定性，提升了对系统行为分类的鲁棒性和适用性。文章还分析了两种方法的优势，并探讨了其在航空交通控制、人工智能等领域的实际应用潜力。最后，展望了两种方法的结合应用及其在物联网、机器人等领域的潜在价值。

本文介绍了一种基于部分序约简（POR）的定时演员系统状态空间生成方法，旨在解决分布式系统建模中的状态空间爆炸问题。通过引入接口组件和延迟条件，该方法在保留定时状态属性的前提下，有效减少了状态空间的探索。文章详细阐述了其基本概念、算法实现及正确性证明，为分布式系统的高效分析提供了理论支持。

本文探讨了多语言操作语义演算和定时参与者的偏序约简技术。在多语言编程领域，λL 提供了将语言作为一等公民的形式化语义基础，并讨论了其局限性和未来改进方向。针对定时参与者模型的状态空间爆炸问题，提出了一种基于组合方法的偏序约简技术，有效减少了验证的时间和内存消耗，并通过案例验证了其效果。

本文深入解析了多语言操作语义微积分λL语言的核心概念与机制，涵盖其有界多态、程序结果处理、错误处理等基础内容，并详细分析了λL的类型系统、归约语义以及具体程序示例。通过类型判断规则和归约流程图示，展示了λL如何在多语言编程中实现类型安全和程序互操作性。文章最后通过综合示例，总结了λL在类型检查和运行时执行中的应用模式。

本文探讨了浮点数程序验证与多语言操作语义的前沿技术。在浮点数程序验证方面，介绍了多种工具和方法（如Fluctuat、Flocq库、Gappa及其与Frama-C、PRECiSA的结合应用），并讨论了使用SMT求解器和通用验证工具（如SPARK）进行高级属性验证的现状与挑战。在多语言编程领域，介绍了λL演算，它将语言作为一等公民，支持语言定义、执行、合并与类型检查，并通过有界多态和类型安全定理确保语言交互的安全性。文章总结了这两个领域的关键特性、应用场景及未来发展方向。

本文深入探讨了浮点程序验证的关键技术，包括通过功能契约确保功能正确性、使用Big Real库处理无限精度计算、指定并证明舍入误差边界、评估不同证明器（如CVC4、Alt-Ergo和Z3）的性能表现，以及扩展方法以支持超越基本算术的运算。文章还讨论了在实际应用中如何选择误差边界、组合使用证明器、提升代码可维护性，并展望了未来浮点程序验证的发展趋势。通过这些方法，可以有效提升浮点程序的可靠性和准确性，适用于科学计算、安全关键系统等领域。

本文探讨了在普通开发环境下，如何利用 SPARK 工具结合 SMT 求解器对浮点程序进行形式化验证。文章以一个 Ada 示例程序为基础，详细介绍了浮点计算验证的挑战、SPARK 的验证机制、浮点类型的边界设定、无溢出证明的实现方法，以及通过自动主动验证和引理辅助完成复杂证明的过程。最终总结了验证流程，并展望了未来在浮点计算验证领域的优化方向。

本文介绍了VSTTE 2021和NSV 2021两个软件验证与监控领域的重要会议概况，探讨了软件监控的普及原因及其定量方法的优势，同时分析了浮点计算验证的挑战与解决方案。文章旨在展示软件验证与监控在提升软件质量与可靠性方面的重要作用，并展望相关技术的发展趋势。