Sui新一輪學術研究獎:17個全球知名高校項目獲資逾42萬美金

近日，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,特別是與區塊鏈網路、智能合約編程和基於Sui構建的產品相關的技術創新。

在過去兩個階段中,共有17個來自國際知名大學的研究提案獲得批準,總資助金額達425,000美元。參與的高校包括韓國科學技術院(KAIST)、倫敦大學學院(UCL)、洛桑聯邦理工學院(EPFL)和新加坡國立大學(NUS)等。

獲獎提案亮點

DAOs去中心化程度評估

康奈爾大學的研究團隊將開發一套衡量去中心化自治組織(DAO)去中心化程度的指標體系,並探索提升組織內部去中心化的實踐方法。

異步DAG共識協議

倫敦大學學院的項目致力於開發一種異步有向無環圖(DAG)協議,以提高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智能合約審計

另一個來自倫敦大學學院的團隊將利用GPT-4-32k和Claude-v2-100k等大型語言模型(LLMs)改進Move智能合約的審計過程。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。該項目將把研究擴展到Sui智能合約,強調及時進行安全評估的重要性。

共識協議領域研究

伯爾尼大學的項目將對當前共識領域進行全面調查,爲密碼共識協議提供新穎見解。研究結果將有助於更好地理解現有算法,並爲設計分布式協議提供新思路。

預言機協議驗證框架

卡內基梅隆大學和Djed Alliance合作的項目將創建一個框架,通過形式化方法嚴格分析和驗證區塊鏈預言機。該框架對於確保智能合約中外部數據的準確性和公平性至關重要。

可擴展性瓶頸識別

蘇黎世聯邦理工學院的研究旨在識別源於智能合約設計缺陷的瓶頸,以提高區塊鏈應用程序的並行化潛力。同時也將探討交易費用調整對並行化潛力的影響。

Bullshark協議機械化驗證

新加坡國立大學的項目將使用現代計算機輔助驗證工具對Bullshark的屬性進行正式驗證,推進基於DAG的共識協議的理解。這將是分布式系統研究中首個經機械驗證的DAG共識協議模型。

區塊鏈基準化標準框架

利哈伊大學的研究旨在創建一個區塊鏈基準標準化格式,以公平比較一層區塊鏈和二層擴展解決方案。目標是爲用戶和開發者提供鏈性能的透明洞見,促進明智決策。

共享排序層研究

韓國科學技術院的項目將探索將Bullshark/Mysticeti用作共享排序器算法的可能性,涉及運行多個使用Sui作爲排序層的Rollup。

本地費用市場研究

紐約大學的研究將調查本地費用市場以優化擁堵定價,在交易擁堵和區塊鏈網路中執行交易之間進行類比。目標是建立反映擁堵狀態的有效定價機制,以實現最佳資源分配。

分片自動做市商(SAMM)

以色列理工學院正在開發一種名爲分片合約的新概念,利用多個合約來增加並發性。該項目旨在調整流動性提供者和交易者的激勵機制,以維持多個AMM分片,實現完全可並行化的分片AMM。

私人信息披露機制

羅馬托爾維亞塔大學的研究探索市場機制設計的新方法,側重於賣方之間吸引知情買家的競爭。項目將調查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。

基於大型語言模型的智能合約生成

卡內基梅隆大學的項目旨在通過使用Move代碼和Sui特定提示來微調大型語言模型(LLMs),以解決當前LLMs在生成Move語言智能合約方面的挑戰。研究將收集全面的Move語言示例數據集,增強提示工程,並實施微調。

Move語言比較分析框架

尼科西亞大學的研究將完成Solidity和Move之間的全面比較分析,促進對Move功能和能力的更深入理解。通過將關鍵要素組織成框架,目標是幫助開發人員更容易過渡到使用Move進行開發。

DeFi優化深度學習模型

洛桑聯邦理工學院的項目將開發一種混合深度學習模型,用於Sui DeFi協議中的最佳範圍預測。該模型結合了增強的遞歸神經網路和深度強化學習,同時整合社交媒體情感分析以提高預測準確性。

SUI波動率預測研究

塞浦路斯開放大學的研究將調查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,該研究將主要關注SUI,並在各種區塊鏈資產中進行驗證。

低內存後量子透明zkSNARKs

賓夕法尼亞大學的項目旨在開發可擴展的zkSNARKs,通過同時解決證明者時間復雜度、空間復雜度和SRS大小三個主要障礙。目標是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,從共識機制到智能合約安全,從DeFi優化到zkSNARKs創新。通過支持這些前沿研究,Sui基金會展現了推動區塊鏈技術發展和學術研究的決心,爲Web3生態系統的長期發展奠定了堅實基礎。