Luna: Neuer C++‑Bound‑Propagator für neuronale Netzwerke

Die neueste Veröffentlichung auf arXiv (2603.23878v1) stellt Luna vor – einen leistungsstarken Bound‑Propagator, der in C++ implementiert ist und die bisher in Python beschränkte alpha‑CROWN‑Analyse erweitert. Luna kombiniert Interval Bound Propagation, die klassische CROWN‑Analyse und die parameterisierte alpha‑CROWN‑Methode in einem einheitlichen Framework, das auf beliebigen Rechengraphen arbeitet.

Alpha‑CROWN hat sich als praktisch erfolgreiches Verfahren zur Verifikation von neuronalen Netzwerken etabliert, doch die Python‑Implementierung erschwert die nahtlose Integration in bestehende Deep‑Learning‑Verifikationswerkzeuge und langfristige Produktionssysteme. Durch die C++‑Basis bietet Luna nicht nur eine höhere Ausführungs­geschwindigkeit, sondern auch eine bessere Kompatibilität mit industriellen Software‑Stacks.

In Benchmark‑Tests aus dem VNN‑COMP 2025 zeigt Luna, dass es die aktuelle alpha‑CROWN‑Implementierung in Bezug auf Grenzengenauigkeit und Rechenleistung gleichermaßen übertrifft. Damit liefert Luna eine robuste und effiziente Lösung für die formale Analyse von neuronalen Netzwerken, die sowohl Forschung als auch Praxis gleichermaßen anspricht.