近日，Sui學術研究獎為17個致力於推動區塊鏈相關技術進步的提案提供資金支持。
近日，Sui基金會宣布新一輪Sui學術研究獎的獲獎者，該計劃資助推動Web3發展的研究，尤其是推動與區塊鏈網絡、智能合約編程和基於Sui構建的產品相關的技術邊界。
在過去的兩個階段中，Sui基金會批准了來自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）等在內的17項來自國際知名大學的提案，總額為425,000美元。
🏆 受獎勵提案介紹
DAOs：投票團體多樣性
Ari Juels（康乃爾大學）
這項研究解決了一個基本問題，即去中心化組織意味著什麼，該研究將建立一個衡量去中心化組織的指標。透過建立一個去中心化自治組織（Decentralized Autonomous Organization，DAO）來體現對去中心化程度的度量，該研究將確定可以增強組織內部去中心化的實踐方法。
👉 了解更多：https://www.cornell.edu
自適應安全的非同步DAG協定共識
Philipp Jovanovic（倫敦大學學院）
該提案旨在開發一種非同步DAG協議，以提高對抗攻擊的強度並適應不斷變化的對手。與目前的部分同步模型不同，非同步容易受到拒絕服務攻擊和靜態對手的影響，所提議的協議將提供更好的安全性和適應性，同時保持盡可能接近部分同步對手的性能水平。
👉 了解更多：https://www.ucl.ac.uk
大型語言模型指導下的Sui智能合約審計
Arthur Gervais（倫敦大學學院）
使用像GPT-4-32k和Claude-v2-100k這樣的大型語言模型（Large Language Models，LLMs），可以實現Move智能合約審計的巨大改進。該團隊透過對52個Solidity DeFi智能合約的初步分析發現了各種漏洞，導致了近10億美元的損失。本計畫將這項研究擴展到Sui智能合約，強調及時進行穩健安全評估工程，並使用合成基準資料集評估LLM的效能。
👉 了解更多：https://www.ucl.ac.uk
映射共識協議領域
Christopher Cachin（伯爾尼大學）
透過調查當前的共識領域，該項目將為密碼共識協議提供新穎見解。結果將有助於更好地理解現有演算法，並為設計分散式協定提供新的結構。
👉 了解更多：https://www.unibe.ch
去中心化預言機協議的高可信驗證框架
Giselle Reis（卡內基美隆大學）
Bruno Woltzenlogel Paleo（Djed Alliance）
該提案創建了一個框架，透過形式化方法嚴格分析和驗證區塊鏈預言機，對於確保智能合約中的準確和公平的外部數據至關重要。該提案在先前的工作基礎上進行了擴展，利用Coq證明管理系統中形式化的基本預言機協議和業務模型，旨在開發一個全面的定義和證明策略庫。
👉 Coq證明管理系統：https://coq.inria.fr
識別可擴充性瓶頸
Roger Wattenhofer（蘇黎世聯邦理工學院）
透過識別源自於智慧合約設計缺陷的瓶頸，該提案旨在提高區塊鏈應用程式的平行化潛力。它還將探討調整交易費用如何影響並行化潛力。
👉 了解更多：https://ethz.ch
Bullshark協議機械化
Ilya Sergey（新加坡國立大學）
這項研究旨在使用現代電腦輔助驗證工具對Bullshark的屬性進行正式驗證，以推進基於有向無環圖的共識協議的理解。此外，該提案將透過提供基於DAG的共識協議的第一個經機械驗證的模型，為分散式系統研究的進步做出貢獻。
👉 了解更多：https://nus.edu.sg
BBSF：區塊鏈基準化標準框架
Henry F. Korth（利哈伊大學）
該提案旨在創建一個區塊鏈基準標準化格式，以公平比較L1區塊鏈以及L2擴展解決方案。最終目標是為使用者和開發者提供鏈結性能的透明洞見，促進明智決策的製定。
👉 了解更多：https://www2.lehigh.edu
建構可擴展和去中心化的共享序列層
Min Suk Kang（韓國科學技術院）
該提案將探討將Bullshark/Mysticeti用作共享排序器演算法的用途。這將涉及運行多個使用Sui作為排序層的Rollup，使它們可以根據其執行層解釋交易。
👉 了解更多：https://www.kaist.ac.kr
用於最佳擁堵定價的本地費用市場
Abdoulaye Ndiaye（紐約大學）
這項研究調查了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了類比。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。對用戶估值和延遲成本的初步分析顯示了擁塞定價在區塊鏈中是有希望的方向。
👉 了解更多：https://www.nyu.edu
SAMM：分片自動做市商
Ittay Eyal（以色列理工學院）
正在開發一種名為分片合約的新概念，該合約利用多個合約來增加並發性。儘管分片自動做市商（AMM）智能合約可以提高效能，但由於流動性碎片化和成本更高的交易，可能會出現挑戰。關鍵目標是調整流動性提供者和交易者的激勵，以維持多個AMM分片，實現完全可並行化的分片AMM。
👉 了解更多：https://www.technion.ac.il
競爭機制中的私人揭露
Andrea Attar（羅馬托爾維亞塔大學）
探索市場機制設計的新方法，本研究著重於賣方之間吸引知情買家的競爭。它調查了設計者向代理人私下披露資訊對市場結果和策略互動的影響，旨在提供對現代市場動態和競爭的洞察。透過理論分析和實證研究，該計畫旨在推進對市場缺陷的理解，並提出政策建議。
👉 了解更多：https://web.uniroma2.it
應用大型語言模型產生Sui智能合約
Ken Koedinger和Eason Chen（卡內基美隆大學）
Sui上的智能合約是用Move語言編寫的，由於訓練資料有限，這給當前的大型語言模型（LLMs）帶來了挑戰。該研究旨在透過使用Move程式碼和Sui特定提示來微調LLMs來解決這個問題。研究將收集一個全面的Move語言範例資料集，增強提示工程，並實施微調，比較這些方法下LLM的有效性。
👉 了解更多：https://www.cmu.edu
COMET：過渡到Move的比較測量和框架
George Giaglis（尼科西亞大學）
儘管對Solidity進行了廣泛的分析，但Move的出現帶來了明顯的轉變，但Solidity和Move之間的比較分析仍然很少見。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。透過將關鍵要素組織成框架，我們的目標是使開發人員能夠輕鬆過渡到使用Move進行開發。
👉 了解更多：https://www.unic.ac.cy
革命性DeFi：一種深度學習方法優化Sui上的流動性和動態費用
Rachid Guerraoui和Walid Sofiane（洛桑聯邦理工大學）
該研究將開發一種混合深度學習模型，用於Sui DeFi協定中的最佳範圍預測。它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緒分析以提高預測準確性。該研究旨在提高DeFi協議對市場變化的反應能力，將Sui定位為下一代DeFi協議的領導者。
👉 了解更多：https://www.epfl.ch
評估對SUI波動率的預測能力
Stavros Degiannakis（賽普勒斯開放大學）
在計量經濟學中，評估模型擬合和預測能力至關重要，通常依賴損失函數來評估預測效用。研究將調查SPEC演算法在Sui資產波動率預測的有效性。利用免費提供的高頻價格數據，該研究將主要關注SUI，並在各種區塊鏈資產中進行驗證。
👉 了解更多：https://www.ouc.ac.cy
低記憶體後量子透明zkSNARKs
Brett Falk和Pratyush Mishra（賓州大學）
該研究旨在透過解決三個主要障礙（證明者時間複雜度、證明者空間複雜度和證明者SRS大小）來開發可擴展的zkSNARKs。目標是同時克服這些障礙，從而為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。
👉 了解更多：https://www.upenn.edu
APP 
