본 논문은 가속 컴퓨팅이 논리적 추론, 특히 부울 만족 문제(SAT)에 미치는 제한적인 영향을 분석하고, 이를 극복하기 위해 딥러닝 기반의 병렬 처리 기법을 제안한다. SAT 문제를 이진 행렬-행렬 곱셈 레이어로 변환하여, GPU를 활용한 병렬 미분 가능 최적화와 CPU의 순차적 탐색을 결합한 하이브리드 솔버를 개발했다. 이 솔버는 GPU를 통해 SAT 절을 빠르게 평가하고 그래디언트를 사용하여 해 공간을 탐색하며 변수 할당을 최적화하고, CPU에서 부분 할당을 기반으로 순차적 탐색을 수행하여 완전한 할당을 찾는다. NVIDIA DGX GB200 노드에서 테스트한 결과, 기존 CPU 기반 솔버 대비 최대 200배 이상의 속도 향상을 보였다.
