Pesquisadores abordam a colocação de liquidez na Rede Bitcoin Lightning modelando-a como um problema de otimização combinatória com restrição orçamentária. Eles propõem o MPFlow, um método que seleciona adições de canais para maximizar o fluxo máximo s-t usando aprendizado por reforço em grafos.
- O agente combina uma rede de política de passagem de mensagens com otimização proximal de política (PPO) e mascaramento de ações.
- O treinamento emprega um currículo de exclusão de hubs, removendo os principais hubs para forçar uma colocação consciente da capacidade em vez de conexão a hubs.
- Experimentos em instantâneos reais da Rede Lightning mostram desempenho consistentemente superior em relação a bases heurísticas fortes.
- O agente foi implantado em produção para recomendações de pares, executando 4640 decisões de abertura de canal alocando 267.3 BTC entre 30 nós.
O método fornece uma abordagem fundamentada na teoria para capacidade de roteamento que foi validada por meio de uma implantação extensa no mundo real.