Los investigadores abordan la colocación de liquidez en la Red Bitcoin Lightning plantándola como un problema de optimización combinatoria con restricciones presupuestarias. Proponen MPFlow, un método que selecciona adiciones de canales para maximizar el flujo máximo s-t utilizando aprendizaje por refuerzo en grafos.
- El agente combina una red de políticas de paso de mensajes con optimización proximal de políticas (PPO) y enmascaramiento de acciones.
- El entrenamiento emplea un currículo de exclusión de hubs, eliminando los hubs principales para forzar una colocación consciente de la capacidad en lugar de la conexión a hubs.
- Los experimentos en instantáneas reales de la Red Lightning muestran un rendimiento consistentemente superior frente a heurísticas base fuertes.
- El agente se ha desplegado en producción para recomendaciones de pares, ejecutando 4640 decisiones de apertura de canales que asignan 267.3 BTC entre 30 nodos.
El método proporciona un enfoque fundamentado teóricamente para la capacidad de enrutamiento que ha sido validado mediante un despliegue extenso en el mundo real.