Công bố vòng giải thưởng nghiên cứu học thuật mới của Sui: Các trường đại học nổi tiếng trên thế giới tham gia, 17 người chiến thắng vượt quá 420.000 USD


Gần đây, Giải thưởng Nghiên cứu Học thuật Sui đã cung cấp hỗ trợ tài chính cho 17 đề xuất nhằm thúc đẩy sự tiến bộ của các công nghệ liên quan đến blockchain.

Gần đây, Sui Foundation đã công bố những người chiến thắng trong vòng mới của Giải thưởng Nghiên cứu Học thuật Sui, một chương trình tài trợ cho nghiên cứu nhằm thúc đẩy sự phát triển của Web3, đặc biệt là vượt qua ranh giới công nghệ liên quan đến mạng blockchain, lập trình hợp đồng thông minh và các sản phẩm được xây dựng trên Sui. .

Trong hai giai đoạn vừa qua, Sui Foundation đã phê duyệt 17 dự án từ các trường đại học bao gồm Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST), Đại học College London (UCL), Ecole Polytechnique Fédérale de Lausanne (EPFL) và Đại học Quốc gia Singapore ( NUS) Đề xuất từ các trường đại học nổi tiếng quốc tế với tổng trị giá 425.000 USD.

🏆 Giới thiệu đề xuất có thưởng

DAO: Đa dạng nhóm biểu quyết

Ari Juels (Đại học Cornell)

Nghiên cứu này giải quyết câu hỏi cơ bản về ý nghĩa của việc trở thành một tổ chức phi tập trung và sẽ thiết lập một thước đo để đo lường nó. Bằng cách thành lập Tổ chức tự trị phi tập trung (DAO) để thể hiện biện pháp phân cấp, nghiên cứu sẽ xác định các thực tiễn có thể tăng cường phân cấp trong các tổ chức.

** 👉 Tìm hiểu thêm: **

Đồng thuận giao thức DAG không đồng bộ thích ứng và an toàn

Philipp Jovanovic (Đại học Cao đẳng Luân Đôn)

Đề xuất này nhằm mục đích phát triển giao thức DAG không đồng bộ để tăng sức mạnh của các cuộc tấn công đối nghịch và thích ứng với việc thay đổi đối thủ. Không giống như các mô hình được đồng bộ hóa một phần hiện tại vốn không đồng bộ và dễ bị tấn công từ chối dịch vụ và các đối thủ tĩnh, giao thức được đề xuất sẽ cung cấp khả năng bảo mật và thích ứng tốt hơn trong khi vẫn duy trì mức hiệu suất càng gần càng tốt với các đối thủ được đồng bộ hóa một phần.

** 👉 Tìm hiểu thêm: **

Kiểm toán hợp đồng thông minh Sui dưới sự hướng dẫn của mô hình ngôn ngữ lớn

Arthur Gervais (Đại học Cao đẳng Luân Đôn)

Có thể đạt được những cải tiến lớn trong việc kiểm tra hợp đồng thông minh Move bằng cách sử dụng Mô hình ngôn ngữ lớn (LLM) như GPT-4-32k và Claude-v2-100k. Nhóm đã phát hiện ra nhiều lỗ hổng khác nhau thông qua phân tích sơ bộ 52 hợp đồng thông minh Solidity DeFi, dẫn đến thiệt hại gần 1 tỷ USD. Dự án này mở rộng nghiên cứu này sang các hợp đồng thông minh Sui, nhấn mạnh đến kỹ thuật kịp thời để đánh giá bảo mật mạnh mẽ và đánh giá hiệu suất của LLM bằng cách sử dụng bộ dữ liệu chuẩn tổng hợp.

** 👉 Tìm hiểu thêm: **

Ánh xạ miền giao thức đồng thuận

Christopher Cachin (Đại học Bern)

Bằng cách khảo sát bối cảnh đồng thuận hiện tại, dự án này sẽ cung cấp những hiểu biết mới về các giao thức đồng thuận mật mã. Các kết quả sẽ góp phần hiểu rõ hơn về các thuật toán hiện có và cung cấp các cấu trúc mới để thiết kế các giao thức phân tán.

** 👉 Tìm hiểu thêm: **

Khung xác minh có độ tin cậy cao cho các giao thức oracle phi tập trung

Giselle Reis (Đại học Carnegie Mellon)

Bruno Woltzenlogel Paleo (Liên minh ông nội)

Đề xuất này tạo ra một khuôn khổ để phân tích và xác minh nghiêm ngặt các oracle blockchain thông qua các phương pháp chính thức, rất quan trọng để đảm bảo dữ liệu bên ngoài chính xác và công bằng trong các hợp đồng thông minh. Đề xuất này mở rộng dựa trên công việc trước đó, tận dụng các giao thức oracle cơ bản và các mô hình kinh doanh được chính thức hóa trong hệ thống quản lý bằng chứng Coq, nhằm phát triển một thư viện toàn diện về các định nghĩa và chiến lược chứng minh.

** 👉 Hệ thống quản lý bằng chứng Coq: **

Xác định các điểm nghẽn về khả năng mở rộng

Roger Wattenhofer (ETH Zurich)

Đề xuất này nhằm mục đích tăng tiềm năng song song hóa của các ứng dụng blockchain bằng cách xác định các điểm nghẽn xuất phát từ lỗi thiết kế hợp đồng thông minh. Nó cũng sẽ khám phá việc điều chỉnh phí giao dịch ảnh hưởng như thế nào đến tiềm năng song song hóa.

** 👉 Tìm hiểu thêm: **

Cơ chế hóa giao thức Bullshark

Ilya Sergey (Đại học Quốc gia Singapore)

Nghiên cứu này nhằm mục đích xác minh chính thức các thuộc tính của Bullshark bằng cách sử dụng các công cụ xác minh hiện đại có sự hỗ trợ của máy tính và nâng cao hiểu biết về các giao thức đồng thuận dựa trên biểu đồ chu kỳ có hướng. Hơn nữa, đề xuất này sẽ góp phần thúc đẩy nghiên cứu hệ thống phân tán bằng cách cung cấp mô hình được xác minh cơ học đầu tiên về giao thức đồng thuận dựa trên DAG.

** 👉 Tìm hiểu thêm: **

BBSF: Khung tiêu chuẩn đánh giá chuỗi khối

Henry F. Korth (Đại học Lehigh)

Đề xuất này nhằm mục đích tạo ra một định dạng chuẩn hóa cho các điểm chuẩn blockchain để so sánh một cách công bằng các chuỗi khối L1 cũng như các giải pháp mở rộng quy mô L2. Mục tiêu cuối cùng là cung cấp cho người dùng và nhà phát triển những hiểu biết minh bạch về hiệu suất của chuỗi để tạo điều kiện thuận lợi cho việc đưa ra quyết định sáng suốt.

** 👉 Tìm hiểu thêm: **

Xây dựng lớp trình tự chia sẻ phi tập trung và có thể mở rộng

Min Suk Kang (Viện Khoa học và Công nghệ Hàn Quốc)

Đề xuất này sẽ khám phá việc sử dụng Bullshark/Mysticeti làm thuật toán sắp xếp chung. Điều này sẽ liên quan đến việc chạy nhiều Bản tổng hợp bằng cách sử dụng Sui làm lớp đặt hàng, cho phép chúng diễn giải các giao dịch dựa trên lớp thực thi của chúng.

** 👉 Tìm hiểu thêm: **

Thị trường phí địa phương để định giá tắc nghẽn tối ưu

Abdoulaye Ndiaye (Đại học New York)

Nghiên cứu này điều tra các thị trường phí địa phương để tối ưu hóa việc định giá tắc nghẽn, rút ra sự tương đồng giữa tắc nghẽn giao dịch và việc thực hiện giao dịch trong mạng blockchain. Mục tiêu là thiết lập một cơ chế định giá hiệu quả phản ánh tình trạng tắc nghẽn để đạt được sự phân bổ nguồn lực tối ưu. Phân tích sơ bộ về chi phí định giá và độ trễ của người dùng cho thấy việc định giá tắc nghẽn là một hướng đi đầy hứa hẹn trong blockchain.

** 👉 Tìm hiểu thêm: **

SAMM: Nhà tạo lập thị trường tự động được phân chia

Ittay Eyal (Viện Công nghệ Israel)

Một khái niệm mới gọi là hợp đồng phân chia đang được phát triển, sử dụng nhiều hợp đồng để tăng tính đồng thời. Mặc dù các hợp đồng thông minh của Nhà tạo lập thị trường tự động (AMM) được phân chia có thể cải thiện hiệu suất nhưng những thách thức có thể nảy sinh do sự phân mảnh thanh khoản và chi phí giao dịch cao hơn. Mục tiêu chính là điều chỉnh các khuyến khích của các nhà cung cấp thanh khoản và nhà giao dịch để duy trì nhiều phân đoạn AMM, đạt được một AMM được phân chia song song hoàn toàn.

** 👉 Tìm hiểu thêm: **

Tiết lộ riêng tư trong cơ chế cạnh tranh

Andrea Attar (Đại học Rome Torviatta)

Khám phá những cách tiếp cận mới để thiết kế cơ chế thị trường, nghiên cứu này tập trung vào sự cạnh tranh giữa những người bán để thu hút người mua có hiểu biết. Nó điều tra tác động của việc tiết lộ thông tin riêng tư của các nhà thiết kế với các đại lý đối với kết quả thị trường và các tương tác chiến lược, nhằm cung cấp những hiểu biết sâu sắc về động lực và cạnh tranh của thị trường hiện đại. Thông qua phân tích lý thuyết và nghiên cứu thực nghiệm, dự án nhằm mục đích nâng cao hiểu biết về sự không hoàn hảo của thị trường và phát triển các khuyến nghị chính sách.

** 👉 Tìm hiểu thêm: **

Áp dụng mô hình ngôn ngữ lớn để tạo hợp đồng thông minh Sui

Ken Koedinger và Eason Chen (Đại học Carnegie Mellon)

Hợp đồng thông minh trên Sui được viết bằng ngôn ngữ Move, điều này đặt ra thách thức cho các mô hình ngôn ngữ lớn (LLM) hiện tại do dữ liệu đào tạo hạn chế. Nghiên cứu này nhằm mục đích giải quyết vấn đề này bằng cách tinh chỉnh LLM bằng cách sử dụng mã Move và lời nhắc dành riêng cho Sui. Nghiên cứu này sẽ thu thập tập dữ liệu ví dụ về ngôn ngữ Move toàn diện, nâng cao kỹ thuật gợi ý và triển khai tinh chỉnh để so sánh hiệu quả của LLM theo các phương pháp này.

** 👉 Tìm hiểu thêm: **

COMET: Các số liệu so sánh và khuôn khổ để chuyển đổi sang phát triển

George Giaglis (Đại học Nicosia)

Bất chấp những phân tích sâu rộng về Solidity và sự thay đổi rõ ràng do sự ra đời của Move mang lại, những phân tích so sánh giữa Solidity và Move vẫn còn hiếm. Nghiên cứu sẽ hoàn thành phân tích so sánh toàn diện giữa Solidity và Move, thúc đẩy sự hiểu biết sâu sắc hơn về chức năng và khả năng của Move. Bằng cách tổ chức các yếu tố chính thành một khung, chúng tôi mong muốn giúp các nhà phát triển dễ dàng chuyển sang phát triển bằng Move.

** 👉 Tìm hiểu thêm: **

DeFi mang tính cách mạng: Phương pháp học sâu để tối ưu hóa tính thanh khoản và phí linh hoạt trên Sui

Rachid Guerraoui và Walid Sofiane (EPFL)

Nghiên cứu sẽ phát triển một mô hình deep learning lai để dự đoán phạm vi tối ưu trong giao thức Sui DeFi. Nó kết hợp các mạng lưới thần kinh tái phát nâng cao và học tập tăng cường sâu đồng thời tích hợp phân tích cảm tính trên mạng xã hội để cải thiện độ chính xác của dự đoán. Nghiên cứu nhằm mục đích cải thiện khả năng phản hồi của các giao thức DeFi trước những thay đổi của thị trường và đưa Sui trở thành người dẫn đầu trong thế hệ giao thức DeFi tiếp theo.

** 👉 Tìm hiểu thêm: **

Đánh giá khả năng dự đoán biến động SUI

Stavros Degiannakis (Đại học Mở Síp)

Trong kinh tế lượng, điều quan trọng là phải đánh giá mức độ phù hợp của mô hình và khả năng dự đoán, thường dựa vào các hàm tổn thất để đánh giá tiện ích dự đoán. Nghiên cứu này sẽ nghiên cứu tính hiệu quả của thuật toán SPEC trong dự đoán biến động tài sản Sui. Bằng cách sử dụng dữ liệu giá tần số cao có sẵn miễn phí, nghiên cứu sẽ chủ yếu tập trung vào SUI và xác minh nó trên nhiều tài sản blockchain khác nhau.

** 👉 Tìm hiểu thêm: **

ZkSNARK trong suốt sau lượng tử có bộ nhớ thấp

Brett Falk và Pratyush Mishra (Đại học Pennsylvania)

Nghiên cứu này nhằm mục đích phát triển zkSNARK có thể mở rộng bằng cách giải quyết ba trở ngại chính: độ phức tạp về thời gian của bộ chuẩn, độ phức tạp của không gian bộ chuẩn và kích thước SRS của bộ chuẩn. Mục tiêu là đồng thời vượt qua các rào cản này để cung cấp bằng chứng mật mã có thể mở rộng, sẵn sàng triển khai cho nhiều ứng dụng trong công nghệ chuỗi khối.

** 👉 Tìm hiểu thêm: **