Naukowcy przeanalizowali zastosowanie parallel Continuous Local Search (CLS) do rozwiązywania problemów spełnialności (SAT) ze symetrycznymi ograniczeniami pseudo-boolowskimi. Główna ideą jest transformacja dyskretnego problemu boolowskiego w problem optymalizacji ciągłej na n-wymiarowym hipersześcianie, gdzie funkcja celu jest różniczkowalna. Dla instancji spełnialnych globalne minimalizatory tego problemu optymalizacyjnego odpowiadają prawidłowym przypisaniom wartości zmiennym w oryginalnym problemie SAT.
Badania empiryczne ujawniły kilka kontrowych odkryć. Po pierwsze, intuicja sugerująca że więcej ograniczeń to szybsza zbieżność okazała się błędna — redundantne ograniczenia mogą faktycznie spowalniać algorytm. Po drugie, CLS wykazuje potencjał jako pod-solver w systemach hybrydowych, szybko uzupełniając częściowe przypisania zmiennych. Po trzecie, wyszukiwanie lokalne bardzo szybko zmierza do stabilnego rozkładu jakości rozwiązań, ponieważ krajobrazy funkcji celu są gęste w punktach siodłowych, gdzie dodatkowe kroki algorytmu dają coraz mniejsze korzyści.
Wyniki tej pracy mają praktyczne znaczenie dla implementacji CLS na nowoczesnym sprzęcie akceleracyjnym, takim jak GPU czy TPU. Podejście otwiera nowe kierunki w rozwiązywaniu trudnych problemów kombinatorycznych poprzez połączenie technik ciągłej optymalizacji z dyskretnym wyszukiwaniem boolowskim.