Sui学术研究奖最新一轮公布结果：全球顶尖高校参与，17个项目获得逾42万美元资助

近期，Sui基金会公布了新一轮学术研究奖获奖名单。该计划旨在资助推动Web3发展的研究，特别是促进区块链网络、智能合约编程以及基于Sui构建的产品相关技术突破。

在过去两个阶段中，共有17项来自国际知名学府的提案获得批准，总资助金额达42.5万美元。参与高校包括韩国科学技术院、伦敦大学学院、洛桑联邦理工学院和新加坡国立大学等。

获奖提案概览

DAOs：投票团体多样性

康奈尔大学的Ari Juels教授领衔的这项研究聚焦于去中心化组织的本质。该项目将建立衡量DAO去中心化程度的指标，并探索提升组织内部去中心化的实践方法。

自适应安全的异步DAG协议共识

伦敦大学学院的Philipp Jovanovic教授提出开发一种异步DAG协议，旨在增强抗攻击能力并适应动态对手。该协议有望在保持高性能的同时，提供更强的安全性和适应性。

大型语言模型辅助Sui智能合约审计

同样来自伦敦大学学院的Arthur Gervais教授团队计划利用先进的大型语言模型，如GPT-4-32k和Claude-v2-100k，显著提升Move智能合约的审计效率。他们此前在52个Solidity DeFi智能合约中发现了导致近10亿美元损失的漏洞，现将研究扩展至Sui智能合约。

映射共识协议领域

伯尔尼大学的Christopher Cachin教授将对当前共识领域进行全面调研，为密码共识协议提供新颖见解，有助于更好地理解现有算法，并为设计分布式协议提供新的思路。

去中心化预言机协议的高可信验证框架

卡内基梅隆大学的Giselle Reis教授和Djed Alliance的Bruno Woltzenlogel Paleo博士合作，计划创建一个框架，通过形式化方法严格分析和验证区块链预言机。该研究将利用Coq证明管理系统，开发全面的定义和证明策略库。

识别可扩展性瓶颈

苏黎世联邦理工学院的Roger Wattenhofer教授将致力于识别源于智能合约设计缺陷的瓶颈，以提高区块链应用程序的并行化潜力。该研究还将探讨交易费用调整对并行化潜力的影响。

Bullshark协议机械化

新加坡国立大学的Ilya Sergey教授旨在使用现代计算机辅助验证工具对Bullshark的属性进行正式验证，推进基于有向无环图的共识协议的理解。这项研究将为分布式系统研究提供首个经机械验证的DAG共识协议模型。

BBSF：区块链基准化标准框架

利哈伊大学的Henry F. Korth教授提出创建一个区块链基准标准化格式，以公平比较L1区块链和L2扩展解决方案。该项目旨在为用户和开发者提供链性能的透明洞见，促进明智决策的制定。

构建可扩展和去中心化的共享序列层

韩国科学技术院的Min Suk Kang教授将探索将Bullshark/Mysticeti用作共享排序器算法的可能性。这涉及运行多个使用Sui作为排序层的Rollup，使它们能够根据各自的执行层解释交易。

用于最佳拥堵定价的本地费用市场

纽约大学的Abdoulaye Ndiaye教授的研究聚焦于本地费用市场以优化拥堵定价，将交易拥堵与区块链网络中的交易执行进行类比。目标是建立反映拥堵状态的有效定价机制，实现最优资源分配。

SAMM：分片自动做市商

以色列理工学院的Ittay Eyal教授正在开发名为分片合约的新概念，利用多个合约增加并发性。该研究旨在调整流动性提供者和交易者的激励机制，以维持多个AMM分片，实现完全可并行化的分片AMM。

竞争机制中的私人披露

罗马托尔维亚塔大学的Andrea Attar教授探索市场机制设计的新方法，研究设计者向代理人私下披露信息对市场结果和战略互动的影响，旨在提供对现代市场动态和竞争的洞察。

应用大型语言模型生成Sui智能合约

卡内基梅隆大学的Ken Koedinger和Eason Chen教授旨在通过使用Move代码和Sui特定提示来微调大型语言模型，解决当前LLMs在生成Move语言智能合约方面的挑战。

COMET：过渡到Move的比较度量和框架

尼科西亚大学的George Giaglis教授将进行Solidity和Move之间的全面比较分析，促进对Move功能和能力的深入理解。该研究旨在建立一个框架，帮助开发人员轻松过渡到使用Move进行开发。

革命性DeFi：深度学习方法优化Sui上的流动性和动态费用

洛桑联邦理工学院的Rachid Guerraoui和Walid Sofiane教授将开发一种混合深度学习模型，用于Sui DeFi协议中的最佳范围预测。该模型结合了增强的递归神经网络和深度强化学习，同时整合社交媒体情感分析以提高预测准确性。

评估对SUI波动率的预测能力

塞浦路斯开放大学的Stavros Degiannakis教授将调查SPEC算法在Sui资产波动率预测中的有效性。该研究将主要关注SUI，并在各种区块链资产中进行验证。

低内存后量子透明zkSNARKs

宾夕法尼亚大学的Brett Falk和Pratyush Mishra教授旨在开发可扩展的zkSNARKs，同时解决证明者时间复杂度、空间复杂度和SRS大小三个主要障碍，为区块链技术中的各种应用提供部署就绪的可扩展加密证明。

这些多元化的研究项目涵盖了区块链技术的多个关键领域，从共识机制到智能合约安全，从DeFi优化到隐私保护。Sui基金会通过支持这些前沿研究，不仅推动了区块链技术的发展，也为整个Web3生态系统的进步做出了重要贡献。