論文の概要: Bullshark on Narwhal: Implementation-level Workflow Analysis of Round-based DAG Consensus in Theory and Practice

• arxiv url: http://arxiv.org/abs/2507.04956v1
• Date: Mon, 07 Jul 2025 12:56:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.42416
• Title: Bullshark on Narwhal: Implementation-level Workflow Analysis of Round-based DAG Consensus in Theory and Practice
• Title（参考訳）: Bullshark on Narwhal: 理論と実践におけるラウンドベースDAG合意の実装レベルワークフロー分析
• Authors: Yusei Tanaka,
• Abstract要約: Narwhal mempool上のラウンドベースのDAG BFTプロトコルであるBullsharkは、最適なパフォーマンスを実現している。 アルゴリズムのワークフローを、トランザクションの提出からブロックチェーンのコミットメントまで分析し、機能レベルで層ごとに分割します。 今後の研究は、ビザンチン断層環境の性能向上とCAP定理のトレードオフの最適化を目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Round-based DAGs enable high-performance Byzantine fault-tolerant consensus, yet their technical advantages remain underutilized due to their short history. While research on consensus protocols is active in both academia and industry, many studies overlook implementation-level algorithms, leaving actual performance unclear - particularly for theoretical protocols whose practical performance cannot often be evaluated. Bullshark, a Round-based DAG BFT protocol on Narwhal mempool, achieves optimal performance: 297,000 transactions per second with 2-second latency. We analyze the algorithm's workflow, from transaction submission to blockchain commitment, breaking it down layer by layer at the functional level and delineating the key features and interactions of the Bullshark and Narwhal components. Future work aims to improve performance in Byzantine fault environments and optimize trade-offs in the CAP theorem.
• Abstract（参考訳）: ラウンドベースDAGは高性能なビザンチン耐故障コンセンサスを実現するが、技術的優位性は短い歴史のために未利用のままである。 コンセンサスプロトコルの研究は学術と産業の両方で活発に行われているが、多くの研究は実装レベルのアルゴリズムを見落としており、実際の性能は不明確である。 Narwhal mempool上のラウンドベースのDAG BFTプロトコルであるBullsharkは、最適なパフォーマンスを実現している。 私たちは、トランザクションの提出からブロックチェーンへのコミットメントに至るまで、アルゴリズムのワークフローを分析し、機能レベルで層単位でレイヤを分割し、BullsharkとNarwhalコンポーネントの重要な機能とインタラクションを記述します。 今後の研究は、ビザンチン断層環境の性能向上とCAP定理のトレードオフの最適化を目的としている。

関連論文リスト

• Unraveling Responsiveness of Chained BFT Consensus with Network Delay [22.287511037444265]
  BFT (Chained Byzantine Fault Tolerant) プロトコルは実用システムにおいてますます採用されている。 本稿では,Markov Decision Processes (MDP) を用いて,3つのチェーンBFTプロトコルの性能をモデル化し,評価する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-07T10:50:15Z)
• SF-DQN: Provable Knowledge Transfer using Successor Feature for Deep Reinforcement Learning [89.04776523010409]
  本稿では、複数のRL問題が異なる報酬関数を持つが、基礎となる遷移力学を共有する転写強化学習(RL)問題を考察する。 この設定では、各RL問題(タスク)のQ-関数を後継特徴(SF)と報酬マッピングに分解することができる。 GPIを用いたSF-DQNの証明可能な一般化保証を用いた最初の収束解析を確立する。
  論文  参考訳（メタデータ） (2024-05-24T20:30:14Z)
• OptEx: Expediting First-Order Optimization with Approximately Parallelized Iterations [12.696136981847438]
  ほぼ並列化されたイテレーション (OptEx) で高速化された一階最適化を導入する。 OptExは、並列コンピューティングを活用して、その反復的ボトルネックを軽減することで、FOOの効率を高める最初のフレームワークである。 我々は、カーネル化された勾配推定の信頼性とSGDベースのOpsExの複雑さを理論的に保証する。
  論文  参考訳（メタデータ） (2024-02-18T02:19:02Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)
• QTRAN++: Improved Value Transformation for Cooperative Multi-Agent Reinforcement Learning [70.382101956278]
  QTRANは、最大級の共同作用値関数を学習できる強化学習アルゴリズムである。 理論的な保証は強いが、複雑な環境での実証的な性能は劣っている。 そこで我々はQTRAN++という改良版を提案する。
  論文  参考訳（メタデータ） (2020-06-22T05:08:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。