研究者たちは、ビットコインLightning Networkにおける流動性配置の問題を、予算制約付き組み合わせ最適化問題として定式化することで取り組んでいる。彼らは、グラフ強化学習を用いてs-t最大フローを最大化するためのチャネル追加を選択する手法MPFlowを提案する。

  • エージェントは、メッセージ伝達ポリシーネットワークと近接ポリシー最適化（PPO）、およびアクションマスキングを組み合わせている。
  • 学習ではハブ除外カリキュラムを採用し、上位ハブを除去することで、ハブへの付着ではなく容量を考慮した配置を強制する。
  • 実際のLightning Networkのスナップショットでの実験は、強力なヒューリスティックベースラインを一貫して上回る結果を示した。
  • エージェントはピア推奨のために本番環境にデプロイされ、30ノードにわたって267.3 BTCを割り当てる4640件のチャネルオープン決定を実行した。

この手法は、広範な実世界での展開を通じて検証された、ルーティング容量に対する理論的に根拠のあるアプローチを提供する。