Sui學術研究獎新一輪結果公布：全球知名高校參與，17個項目獲42萬美元資助

近日，Sui基金會公布了新一輪Sui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，特別關注區塊鏈網路、智能合約編程和基於Sui構建的產品相關技術的突破。

在過去兩個階段中，共有17個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。

獲獎提案概述

去中心化自治組織(DAOs)的投票多樣性研究

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共識協議

倫敦大學學院的Philipp Jovanovic博士提出開發一種異步有向無環圖(DAG)協議，以增強抵御攻擊的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模型的性能水平。

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等大型語言模型來改進Move智能合約的審計過程。他們將基於對Solidity DeFi合約的初步分析經驗，擴展研究範圍至Sui智能合約，強調及時進行穩健的安全評估。

密碼共識協議領域的系統化研究

伯爾尼大學的Christopher Cachin教授將對當前共識協議領域進行全面調查，爲密碼共識協議提供新的見解，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博士和Djed Alliance的Bruno Woltzenlogel Paleo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。

識別區塊鏈可擴展性瓶頸

蘇黎世聯邦理工學院的Roger Wattenhofer教授團隊將致力於識別源於智能合約設計缺陷的可擴展性瓶頸，並探討如何通過調整交易費用來影響並行化潛力。

Bullshark共識協議的機械化驗證

新加坡國立大學的Ilya Sergey教授將使用現代計算機輔助驗證工具對Bullshark協議的屬性進行正式驗證，推進對基於DAG的共識協議的理解，並爲分布式系統研究提供首個經機械驗證的模型。

區塊鏈基準化標準框架(BBSF)

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，旨在公平比較各種L1區塊鏈和L2擴展解決方案，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排序層

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，研究如何讓多個Rollup使用Sui作爲排序層，並根據各自的執行層解釋交易。

本地費用市場用於最優擁堵定價

紐約大學的Abdoulaye Ndiaye教授將研究本地費用市場以優化擁堵定價，探索在交易擁堵和區塊鏈網路執行交易之間建立類比，目標是建立反映網路擁堵狀態的有效定價機制。

分片自動做市商(SAMM)

以色列理工學院的Ittay Eyal教授團隊正在開發"分片合約"概念，利用多個合約增加並發性。研究重點是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。

競爭機制中的私人信息披露

羅馬托爾維亞塔大學的Andrea Attar教授將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深入洞察。

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將研究如何通過使用Move代碼和Sui特定提示來微調大型語言模型，以解決當前LLMs在生成Move語言智能合約方面的挑戰。

COMET：Move語言過渡比較度量和框架

尼科西亞大學的George Giaglis教授團隊將進行Solidity和Move之間的全面比較分析，旨在促進對Move功能和能力的深入理解，並創建一個框架幫助開發者輕鬆過渡到Move開發。

革新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將開發一種混合深度學習模型，用於Sui DeFi協議中的最優範圍預測，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，以提高DeFi協議對市場變化的響應能力。

評估SUI波動率預測能力

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，利用高頻價格數據主要關注SUI，並在其他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將致力於開發可擴展的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方案。

這些研究項目涵蓋了區塊鏈技術的多個前沿領域，從共識機制優化到智能合約安全，從DeFi創新到加密證明系統。它們的成果有望爲Sui生態系統和整個區塊鏈行業帶來重要突破，推動Web3技術的進一步發展。