# Sui學術研究獎新一輪獲獎名單揭曉：全球頂尖高校踊躍參與，17個項目獲42萬美元資助Sui基金會近期宣布了新一輪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、智能合約編程以及基於Sui構建的產品相關技術前沿。在過去兩個階段中，共有17個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。## 獲獎項目亮點### 去中心化自治組織研究康奈爾大學的Ari Juels教授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，並研究提升組織內部去中心化的實踐方法。### 異步DAG協議共識倫敦大學學院的Philipp Jovanovic團隊致力於開發一種異步DAG協議，旨在增強抗攻擊能力並適應動態對手環境。該協議將在保持高性能的同時，提供更出色的安全性和適應性。### 大語言模型輔助智能合約審計同樣來自倫敦大學學院的Arthur Gervais小組將利用GPT-4-32k和Claude-v2-100k等大型語言模型，提升對Move智能合約的審計效率。他們此前在52個Solidity DeFi智能合約分析中發現了導致近10億美元損失的漏洞，現計劃將研究擴展到Sui智能合約領域。### 共識協議領域研究伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調查，爲密碼共識協議提供新見解，助力更深入理解現有算法並爲設計分布式協議提供新思路。### 去中心化預言機驗證框架卡內基梅隆大學的Giselle Reis博士和Djed聯盟的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。該項目將利用Coq證明管理系統，開發全面的定義和證明策略庫。### 可擴展性瓶頸識別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瓶頸，以提高區塊鏈應用程序的並行化潛力。同時探討交易費用調整對並行化的影響。### Bullshark協議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的屬性進行形式化驗證，推進基於DAG的共識協議研究。這將成爲分布式系統領域首個經機械驗證的DAG共識協議模型。### 區塊鏈基準化標準框架利哈伊大學的Henry F. Korth教授旨在創建一個區塊鏈基準標準化格式，以公平比較L1區塊鏈和L2擴展方案，爲用戶和開發者提供鏈性能的透明洞察。### 可擴展共享序列層構建韓國科學技術院的Min Suk Kang博士將探索將Bullshark/Mysticeti用作共享排序器算法，研究多個使用Sui作爲排序層的Rollup運行機制。### 本地費用市場優化紐約大學的Abdoulaye Ndiaye教授將研究本地費用市場以優化擁堵定價，探索建立反映網路擁堵狀態的有效定價機制，實現最佳資源分配。### 分片自動做市商研究以色列理工學院的Ittay Eyal教授團隊正在開發"分片合約"概念，利用多個合約提高並發性。他們將重點研究如何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。### 私人披露在競爭機制中的作用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，爲現代市場動態和競爭提供洞察。### 大語言模型生成Sui智能合約卡內基梅隆大學的Ken Koedinger和Eason Chen將致力於解決Move語言智能合約生成的挑戰。他們計劃通過收集Move代碼示例、增強提示工程並實施微調，來提高大型語言模型在Sui智能合約生成方面的效能。### Move語言過渡框架研究尼科西亞大學的George Giaglis教授將進行Solidity和Move之間的全面比較分析，深入探討Move的功能和能力，並構建框架幫助開發者順利過渡到Move開發。### DeFi優化深度學習方法洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane將開發混合深度學習模型，用於Sui DeFi協議中的最佳範圍預測。該模型結合增強的遞歸神經網路、深度強化學習和社交媒體情感分析，旨在提高DeFi協議對市場變化的響應能力。### SUI波動率預測能力評估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，利用高頻價格數據重點研究SUI，並在多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大小三大障礙，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，從共識機制到智能合約安全，從DeFi優化到隱私保護。它們的成果有望爲Sui生態系統及整個區塊鏈行業帶來重要突破，推動Web3技術的進一步發展。
Sui學術研究獎新一輪揭曉 17項目獲42萬美元資助
Sui學術研究獎新一輪獲獎名單揭曉：全球頂尖高校踊躍參與，17個項目獲42萬美元資助
Sui基金會近期宣布了新一輪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、智能合約編程以及基於Sui構建的產品相關技術前沿。
在過去兩個階段中，共有17個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。
獲獎項目亮點
去中心化自治組織研究
康奈爾大學的Ari Juels教授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，並研究提升組織內部去中心化的實踐方法。
異步DAG協議共識
倫敦大學學院的Philipp Jovanovic團隊致力於開發一種異步DAG協議，旨在增強抗攻擊能力並適應動態對手環境。該協議將在保持高性能的同時，提供更出色的安全性和適應性。
大語言模型輔助智能合約審計
同樣來自倫敦大學學院的Arthur Gervais小組將利用GPT-4-32k和Claude-v2-100k等大型語言模型，提升對Move智能合約的審計效率。他們此前在52個Solidity DeFi智能合約分析中發現了導致近10億美元損失的漏洞，現計劃將研究擴展到Sui智能合約領域。
共識協議領域研究
伯爾尼大學的Christopher Cachin教授將對當前共識領域進行全面調查，爲密碼共識協議提供新見解，助力更深入理解現有算法並爲設計分布式協議提供新思路。
去中心化預言機驗證框架
卡內基梅隆大學的Giselle Reis博士和Djed聯盟的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。該項目將利用Coq證明管理系統，開發全面的定義和證明策略庫。
可擴展性瓶頸識別
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瓶頸，以提高區塊鏈應用程序的並行化潛力。同時探討交易費用調整對並行化的影響。
Bullshark協議機械化驗證
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的屬性進行形式化驗證，推進基於DAG的共識協議研究。這將成爲分布式系統領域首個經機械驗證的DAG共識協議模型。
區塊鏈基準化標準框架
利哈伊大學的Henry F. Korth教授旨在創建一個區塊鏈基準標準化格式，以公平比較L1區塊鏈和L2擴展方案，爲用戶和開發者提供鏈性能的透明洞察。
可擴展共享序列層構建
韓國科學技術院的Min Suk Kang博士將探索將Bullshark/Mysticeti用作共享排序器算法，研究多個使用Sui作爲排序層的Rollup運行機制。
本地費用市場優化
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，探索建立反映網路擁堵狀態的有效定價機制，實現最佳資源分配。
分片自動做市商研究
以色列理工學院的Ittay Eyal教授團隊正在開發"分片合約"概念，利用多個合約提高並發性。他們將重點研究如何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。
私人披露在競爭機制中的作用
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，爲現代市場動態和競爭提供洞察。
大語言模型生成Sui智能合約
卡內基梅隆大學的Ken Koedinger和Eason Chen將致力於解決Move語言智能合約生成的挑戰。他們計劃通過收集Move代碼示例、增強提示工程並實施微調，來提高大型語言模型在Sui智能合約生成方面的效能。
Move語言過渡框架研究
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，深入探討Move的功能和能力，並構建框架幫助開發者順利過渡到Move開發。
DeFi優化深度學習方法
洛桑聯邦理工學院的Rachid Guerraoui和Walid Sofiane將開發混合深度學習模型，用於Sui DeFi協議中的最佳範圍預測。該模型結合增強的遞歸神經網路、深度強化學習和社交媒體情感分析，旨在提高DeFi協議對市場變化的響應能力。
SUI波動率預測能力評估
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，利用高頻價格數據重點研究SUI，並在多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大小三大障礙，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，從共識機制到智能合約安全，從DeFi優化到隱私保護。它們的成果有望爲Sui生態系統及整個區塊鏈行業帶來重要突破，推動Web3技術的進一步發展。