Sui學術研究獎最新一輪公布結果：全球頂尖高校參與，17個項目獲得逾42萬美元資助

近期，Sui基金會公布了新一輪學術研究獎獲獎名單。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、智能合約編程以及基於Sui構建的產品相關技術突破。

在過去兩個階段中，共有17項來自國際知名學府的提案獲得批準，總資助金額達42.5萬美元。參與高校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。

獲獎提案概覽

DAOs：投票團體多樣性

康奈爾大學的Ari Juels教授領銜的這項研究聚焦於去中心化組織的本質。該項目將建立衡量DAO去中心化程度的指標，並探索提升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，旨在增強抗攻擊能力並適應動態對手。該協議有望在保持高性能的同時，提供更強的安全性和適應性。

大型語言模型輔助Sui智能合約審計

同樣來自倫敦大學學院的Arthur Gervais教授團隊計劃利用先進的大型語言模型，如GPT-4-32k和Claude-v2-100k，顯著提升Move智能合約的審計效率。他們此前在52個Solidity DeFi智能合約中發現了導致近10億美元損失的漏洞，現將研究擴展至Sui智能合約。

映射共識協議領域

伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調研，爲密碼共識協議提供新穎見解，有助於更好地理解現有算法，並爲設計分布式協議提供新的思路。

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，計劃創建一個框架，通過形式化方法嚴格分析和驗證區塊鏈預言機。該研究將利用Coq證明管理系統，開發全面的定義和證明策略庫。

識別可擴展性瓶頸

蘇黎世聯邦理工學院的Roger Wattenhofer教授將致力於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。該研究還將探討交易費用調整對並行化潛力的影響。

Bullshark協議機械化

新加坡國立大學的Ilya Sergey教授旨在使用現代計算機輔助驗證工具對Bullshark的屬性進行正式驗證，推進基於有向無環圖的共識協議的理解。這項研究將爲分布式系統研究提供首個經機械驗證的DAG共識協議模型。

BBSF：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擴展解決方案。該項目旨在爲用戶和開發者提供鏈性能的透明洞見，促進明智決策的制定。

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的可能性。這涉及運行多個使用Sui作爲排序層的Rollup，使它們能夠根據各自的執行層解釋交易。

用於最佳擁堵定價的本地費用市場

紐約大學的Abdoulaye Ndiaye教授的研究聚焦於本地費用市場以優化擁堵定價，將交易擁堵與區塊鏈網路中的交易執行進行類比。目標是建立反映擁堵狀態的有效定價機制，實現最優資源分配。

SAMM：分片自動做市商

以色列理工學院的Ittay Eyal教授正在開發名爲分片合約的新概念，利用多個合約增加並發性。該研究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。

競爭機制中的私人披露

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，旨在提供對現代市場動態和競爭的洞察。

應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教授旨在通過使用Move代碼和Sui特定提示來微調大型語言模型，解決當前LLMs在生成Move語言智能合約方面的挑戰。

COMET：過渡到Move的比較度量和框架

尼科西亞大學的George Giaglis教授將進行Solidity和Move之間的全面比較分析，促進對Move功能和能力的深入理解。該研究旨在建立一個框架，幫助開發人員輕鬆過渡到使用Move進行開發。

革命性DeFi：深度學習方法優化Sui上的流動性和動態費用

洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane教授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。

評估對SUI波動率的預測能力

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。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Brett Falk和Pratyush Mishra教授旨在開發可擴展的zkSNARKs，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，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。

這些多元化的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優化到隱私保護。Sui基金會通過支持這些前沿研究，不僅推動了區塊鏈技術的發展，也爲整個Web3生態系統的進步做出了重要貢獻。