# Sui新一輪學術研究獎資助17個項目,總額超42萬美元近期,Sui基金會公布了新一輪學術研究獎的獲獎名單。該計劃旨在資助推動Web3發展的研究,特別是促進區塊鏈網路、智能合約編程和基於Sui構建的產品相關技術邊界的突破。在過去兩個階段中,共有17項來自國際知名大學的提案獲得批準,總資助金額達425,000美元。參與機構包括韓國科學技術院、倫敦大學學院、洛桑聯邦理工學院和新加坡國立大學等。## 獲獎提案亮點### DAOs的投票團體多樣性研究康奈爾大學的Ari Juels教授領導的團隊將探討去中心化組織的本質,建立衡量DAO去中心化程度的指標,並研究提高組織內部去中心化的實踐方法。### 自適應安全的異步DAG協議共識倫敦大學學院的Philipp Jovanovic教授提出開發一種異步DAG協議,以增強抗攻擊能力並適應不斷變化的對手環境。該協議旨在提供更好的安全性和適應性,同時保持接近部分同步對手的性能水平。### 基於大型語言模型的Sui智能合約審計倫敦大學學院的Arthur Gervais教授團隊計劃利用GPT-4-32k和Claude-v2-100k等大型語言模型,提升Move智能合約的審計效率。他們此前對52個Solidity DeFi智能合約的分析發現了導致近10億美元損失的漏洞,現將研究擴展到Sui智能合約領域。### 共識協議領域的映射研究伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調查,爲密碼共識協議提供新見解,有助於更好地理解現有算法並爲分布式協議設計提供新思路。### 去中心化預言機協議的高可信驗證框架卡內基梅隆大學的Giselle Reis教授和Djed Alliance的Bruno Woltzenlogel Paleo博士合作開發一個框架,通過形式化方法嚴格分析和驗證區塊鏈預言機。該項目將利用Coq證明管理系統,開發一個全面的定義和證明策略庫。### 識別區塊鏈可擴展性瓶頸蘇黎世聯邦理工學院的Roger Wattenhofer教授將研究智能合約設計缺陷導致的可擴展性瓶頸,並探討交易費用調整對並行化潛力的影響。### Bullshark協議的機械化驗證新加坡國立大學的Ilya Sergey教授計劃使用現代計算機輔助驗證工具對Bullshark協議進行正式驗證,推進基於DAG的共識協議研究,提供首個經機械驗證的模型。### 區塊鏈基準化標準框架利哈伊大學的Henry F. Korth教授提出創建一個區塊鏈基準標準化格式,以公平比較L1區塊鏈和L2擴展方案,爲用戶和開發者提供鏈性能的透明洞察。### 構建可擴展和去中心化的共享序列層韓國科學技術院的Min Suk Kang教授將探索將Bullshark/Mysticeti用作共享排序器算法,研究多個使用Sui作爲排序層的Rollup運行機制。### 優化區塊鏈擁堵定價紐約大學的Abdoulaye Ndiaye教授研究本地費用市場以優化擁堵定價,建立反映擁堵狀態的有效定價機制,實現最佳資源分配。### 分片自動做市商(SAMM)以色列理工學院的Ittay Eyal教授提出分片合約概念,旨在通過多個合約提高並發性。該項目將調整流動性提供者和交易者的激勵機制,以實現完全可並行化的分片AMM。### 競爭機制中的私人信息披露羅馬托爾維亞塔大學的Andrea Attar教授探索市場機制設計的新方法,研究設計者向代理人私下披露信息對市場結果和戰略互動的影響。### 利用大型語言模型生成Sui智能合約卡內基梅隆大學的Ken Koedinger和Eason Chen教授計劃通過微調大型語言模型,提高其生成Move語言智能合約的能力。他們將收集全面的Move語言示例數據集,增強提示工程,並比較不同方法下LLM的有效性。### COMET:Move語言過渡比較框架尼科西亞大學的George Giaglis教授將進行Solidity和Move語言的全面比較分析,促進對Move功能和能力的深入理解,幫助開發者更容易過渡到Move開發。### 基於深度學習的Sui DeFi優化洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane教授將開發混合深度學習模型,用於Sui DeFi協議中的最佳範圍預測。該模型結合增強的遞歸神經網路、深度強化學習和社交媒體情感分析,提高DeFi協議對市場變化的響應能力。### SUI波動率預測能力評估塞浦路斯開放大學的Stavros Degiannakis教授將調查SPEC算法在Sui資產波動率預測中的有效性,利用高頻價格數據主要關注SUI,並在多種區塊鏈資產中進行驗證。### 低內存後量子透明zkSNARKs賓夕法尼亞大學的Brett Falk和Pratyush Mishra教授致力於開發可擴展的zkSNARKs,解決證明者時間復雜度、空間復雜度和SRS大小三大障礙,爲區塊鏈技術中的各種應用提供部署就緒的可擴展加密證明。這些研究項目涵蓋了區塊鏈技術的多個關鍵領域,從共識算法、智能合約安全到DeFi優化和加密證明,有望爲Sui生態系統和整個Web3行業帶來重要突破。
Sui新一輪學術研究獎資助17個項目 總額超42萬美元
Sui新一輪學術研究獎資助17個項目,總額超42萬美元
近期,Sui基金會公布了新一輪學術研究獎的獲獎名單。該計劃旨在資助推動Web3發展的研究,特別是促進區塊鏈網路、智能合約編程和基於Sui構建的產品相關技術邊界的突破。
在過去兩個階段中,共有17項來自國際知名大學的提案獲得批準,總資助金額達425,000美元。參與機構包括韓國科學技術院、倫敦大學學院、洛桑聯邦理工學院和新加坡國立大學等。
獲獎提案亮點
DAOs的投票團體多樣性研究
康奈爾大學的Ari Juels教授領導的團隊將探討去中心化組織的本質,建立衡量DAO去中心化程度的指標,並研究提高組織內部去中心化的實踐方法。
自適應安全的異步DAG協議共識
倫敦大學學院的Philipp Jovanovic教授提出開發一種異步DAG協議,以增強抗攻擊能力並適應不斷變化的對手環境。該協議旨在提供更好的安全性和適應性,同時保持接近部分同步對手的性能水平。
基於大型語言模型的Sui智能合約審計
倫敦大學學院的Arthur Gervais教授團隊計劃利用GPT-4-32k和Claude-v2-100k等大型語言模型,提升Move智能合約的審計效率。他們此前對52個Solidity DeFi智能合約的分析發現了導致近10億美元損失的漏洞,現將研究擴展到Sui智能合約領域。
共識協議領域的映射研究
伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調查,爲密碼共識協議提供新見解,有助於更好地理解現有算法並爲分布式協議設計提供新思路。
去中心化預言機協議的高可信驗證框架
卡內基梅隆大學的Giselle Reis教授和Djed Alliance的Bruno Woltzenlogel Paleo博士合作開發一個框架,通過形式化方法嚴格分析和驗證區塊鏈預言機。該項目將利用Coq證明管理系統,開發一個全面的定義和證明策略庫。
識別區塊鏈可擴展性瓶頸
蘇黎世聯邦理工學院的Roger Wattenhofer教授將研究智能合約設計缺陷導致的可擴展性瓶頸,並探討交易費用調整對並行化潛力的影響。
Bullshark協議的機械化驗證
新加坡國立大學的Ilya Sergey教授計劃使用現代計算機輔助驗證工具對Bullshark協議進行正式驗證,推進基於DAG的共識協議研究,提供首個經機械驗證的模型。
區塊鏈基準化標準框架
利哈伊大學的Henry F. Korth教授提出創建一個區塊鏈基準標準化格式,以公平比較L1區塊鏈和L2擴展方案,爲用戶和開發者提供鏈性能的透明洞察。
構建可擴展和去中心化的共享序列層
韓國科學技術院的Min Suk Kang教授將探索將Bullshark/Mysticeti用作共享排序器算法,研究多個使用Sui作爲排序層的Rollup運行機制。
優化區塊鏈擁堵定價
紐約大學的Abdoulaye Ndiaye教授研究本地費用市場以優化擁堵定價,建立反映擁堵狀態的有效定價機制,實現最佳資源分配。
分片自動做市商(SAMM)
以色列理工學院的Ittay Eyal教授提出分片合約概念,旨在通過多個合約提高並發性。該項目將調整流動性提供者和交易者的激勵機制,以實現完全可並行化的分片AMM。
競爭機制中的私人信息披露
羅馬托爾維亞塔大學的Andrea Attar教授探索市場機制設計的新方法,研究設計者向代理人私下披露信息對市場結果和戰略互動的影響。
利用大型語言模型生成Sui智能合約
卡內基梅隆大學的Ken Koedinger和Eason Chen教授計劃通過微調大型語言模型,提高其生成Move語言智能合約的能力。他們將收集全面的Move語言示例數據集,增強提示工程,並比較不同方法下LLM的有效性。
COMET:Move語言過渡比較框架
尼科西亞大學的George Giaglis教授將進行Solidity和Move語言的全面比較分析,促進對Move功能和能力的深入理解,幫助開發者更容易過渡到Move開發。
基於深度學習的Sui DeFi優化
洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane教授將開發混合深度學習模型,用於Sui DeFi協議中的最佳範圍預測。該模型結合增強的遞歸神經網路、深度強化學習和社交媒體情感分析,提高DeFi協議對市場變化的響應能力。
SUI波動率預測能力評估
塞浦路斯開放大學的Stavros Degiannakis教授將調查SPEC算法在Sui資產波動率預測中的有效性,利用高頻價格數據主要關注SUI,並在多種區塊鏈資產中進行驗證。
低內存後量子透明zkSNARKs
賓夕法尼亞大學的Brett Falk和Pratyush Mishra教授致力於開發可擴展的zkSNARKs,解決證明者時間復雜度、空間復雜度和SRS大小三大障礙,爲區塊鏈技術中的各種應用提供部署就緒的可擴展加密證明。
這些研究項目涵蓋了區塊鏈技術的多個關鍵領域,從共識算法、智能合約安全到DeFi優化和加密證明,有望爲Sui生態系統和整個Web3行業帶來重要突破。