연구자들은 비트코인 Lightning Network의 유동성 배치 문제를 예산 제약 조합 최적화 문제로 형식화하여 해결합니다. 그들은 s-t 최대 흐름을 최대화하기 위해 채널 추가를 선택하는 그래프 강화 학습 기반 방법 MPFlow를 제안합니다.

  • 에이전트는 메시지 전달 정책 네트워크, 근접 정책 최적화(PPO), 그리고 액션 마스킹을 결합합니다.
  • 훈련은 허브 제외 커리큘럼을 사용하여 상위 허브를 제거함으로써 허브 부착이 아닌 용량 인식 배치를 강제합니다.
  • 실제 Lightning Network 스냅샷에 대한 실험은 강력한 휴리스틱 베이스라인을 일관되게 상회하는 결과를 보여줍니다.
  • 에이전트는 피어 추천을 위해 프로덕션 환경에 배포되었으며, 30개 노드에 걸쳐 267.3 BTC를 할당하는 4640개의 채널 오픈 결정을 실행했습니다.

이 방법은 광범위한 실제 세계 배포를 통해 검증된 라우팅 용량에 대한 이론적으로 기반을 둔 접근 방식을 제공합니다.