연구진은 CNN을 활용하여 제약 조건 추론을 최적화하는 새로운 기술을 개발했어요. CNN은 기존 해결책을 기반으로 구조적 패턴을 학습하고, 이를 바탕으로 MiniZinc 스트림라이너를 생성하는 데 사용돼요.
Vessel Loading, Social Golfers, Black Hole 문제에서 각각 98.8%, 98.6%, 89.4%의 포트폴리오 시간 감소 효과를 보여줬어요.
발견된 스트림라이너는 Vessel Loading의 패킹 제약, Social Golfers의 정규화, Black Hole의 레이아웃 좌표 경계를 포함하며, 최대 1103배의 속도 향상을 달성했어요.