論文の概要: Angelfish: Consensus with Optimal Throughput and Latency Across the Leader-DAG Spectrum

• arxiv url: http://arxiv.org/abs/2509.15847v1
• Date: Fri, 19 Sep 2025 10:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.128179
• Title: Angelfish: Consensus with Optimal Throughput and Latency Across the Leader-DAG Spectrum
• Title（参考訳）: Angelfish: リーダDAGスペクトル全体での最適スループットとレイテンシとの合意
• Authors: Qianyu Yu, Giuliano Losa, Nibesh Shrestha, Xuechao Wang,
• Abstract要約: 我々は、このデザイン空間にわたってスムーズに適応するハイブリッドプロトコルであるAngelfishを紹介します。 Angelfishは、動的に調整された一部のパーティが、DAGの頂点を確実に放送するのではなく、最善の放送を使って軽量な投票を発行する。 我々の経験的評価によると、Angelfishはリードベースのプロトコルのレイテンシを適度なスループットでマッチングしながら、最先端のピークスループットを実現している。
• 参考スコア（独自算出の注目度）: 3.940687402522194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To maximize performance, many modern blockchain systems rely on eventually-synchronous, Byzantine fault-tolerant (BFT) consensus protocols. Two protocol designs have emerged in this space: protocols that minimize latency using a leader that drives both data dissemination and consensus, and protocols that maximize throughput using a separate, asynchronous data dissemination layer. Recent protocols such as Partially-Synchronous Bullshark and Sailfish combine elements of both approaches by using a DAG to enable parallel data dissemination and a leader that paces DAG formation. This improves latency while achieving state-of-the-art throughput. Yet the latency of leader-based protocols is still better under moderate loads. We present Angelfish, a hybrid protocol that adapts smoothly across this design space, from leader-based to Sailfish-like DAG-based consensus. Angelfish lets a dynamically-adjusted subset of parties use best-effort broadcast to issue lightweight votes instead of reliably broadcasting costlier DAG vertices. This reduces communication, helps lagging nodes catch up, and lowers latency in practice compared to prior DAG-based protocols. Our empirical evaluation shows that Angelfish attains state-of-the-art peak throughput while matching the latency of leader-based protocols under moderate throughput, delivering the best of both worlds.
• Abstract（参考訳）: パフォーマンスを最大化するために、多くの現代のブロックチェーンシステムは、最終的に同期されたビザンティンフォールトトレラント(BFT)コンセンサスプロトコルに依存している。 データ拡散とコンセンサスの両方を駆動するリーダを使用したレイテンシを最小化するプロトコルと、別の非同期データ拡散層を使用したスループットを最大化するプロトコルである。 最近のプロトコルであるPartially-Synchronous BullsharkやSailfishは、DAGを使用して並列データ拡散とDAGの形成を遅らせるリーダによって、両方のアプローチの要素を結合している。 これにより、最先端のスループットを実現しながら、レイテンシが向上する。 しかし、リーダベースのプロトコルのレイテンシは、それでも適度な負荷下では改善されている。 本稿では、リーダベースからSailfishライクなDAGベースのコンセンサスに至るまで、このデザイン領域でスムーズに適応するハイブリッドプロトコルであるAngelfishを紹介する。 Angelfishは、動的に調整されたパーティーのサブセットが、高額なDAG頂点を確実に放送する代わりに、最善の放送を使って軽量投票を発行する。 これにより通信が減少し、ノードの遅延が増加し、従来のDAGベースのプロトコルと比較してレイテンシが低下する。 我々の経験的評価によると、Angelfishは、リーダベースのプロトコルのレイテンシを適度なスループットで一致させながら、最先端のピークスループットを実現し、両方の世界の最高のものを提供します。

関連論文リスト

• Nesterov Method for Asynchronous Pipeline Parallel Optimization [59.79227116582264]
  パイプライン並列処理における非同期最適化のために,Nesterov Accelerated Gradient (NAG) の変種を導入する。 具体的には、NAGのルックアヘッドステップを変更して、勾配の安定性を効果的に解決する。 我々は、勾配の固定遅延の存在下で、我々のアプローチがサブ線形速度で収束することを理論的に証明する。
  論文  参考訳（メタデータ） (2025-05-02T08:23:29Z)
• Boosting Asynchronous Decentralized Learning with Model Fragmentation [1.6053176639259055]
  DivShareは通信ストラグラーの存在下で高速なモデル収束を実現する新しいDLアルゴリズムである。 我々はDivShareを、AD-PSGDとSwiftの2つの最先端DLベースラインに対して実験的に評価した。 CIFAR-10データセットのAD-PSGDと比較して、通信ストラグラーを持つDivShareは、時間と精度を最大3.9倍下げることがわかった。
  論文  参考訳（メタデータ） (2024-10-16T18:03:52Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• Adelie: Detection and prevention of Byzantine behaviour in DAG-based consensus protocols [0.0]
  近年のビザンチンフォールトトレラントコンセンサスプロトコルの発展により、DAGベースのプロトコルは非常に有望な技術であることが示されている。 MysticetiやShoal++のようなDAGベースのプロトコルの最新バージョンは、HotStuffのような従来のコンセンサスプロトコルに匹敵するレイテンシを実現することができることを示している。 本稿では,最大TPSおよび低レイテンシにおける新たなブレークスルーを示す,Adelieプロトコル-bftdの実装について述べる。
  論文  参考訳（メタデータ） (2024-08-04T11:56:28Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Client Orchestration and Cost-Efficient Joint Optimization for NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
  半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。 提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-03T13:34:44Z)
• Mysticeti: Reaching the Limits of Latency with Uncertified DAGs [5.328717371685882]
  DAGベースの最初のByzantineコンセンサスプロトコルであるMysticeti-Cを導入する。 Mysticeti-CをMysticeti-FPCに拡張します。
  論文  参考訳（メタデータ） (2023-10-23T11:40:50Z)
• Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
  無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。 DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。 DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
  論文  参考訳（メタデータ） (2022-11-03T09:08:30Z)
• OFedQIT: Communication-Efficient Online Federated Learning via Quantization and Intermittent Transmission [7.6058140480517356]
  オンライン連合学習(OFL)は、分散ストリーミングデータから非線形関数(またはモデル)のシーケンスを協調的に学習する、有望なフレームワークである。 本稿では、量子化と断続伝送を用いた通信効率の高いOFLアルゴリズム(OFedQIT)を提案する。 分析の結果,OfedQITは優れた学習精度を維持しつつ,OfedAvgの欠点に対処できることがわかった。
  論文  参考訳（メタデータ） (2022-05-13T07:46:43Z)
• Detached Error Feedback for Distributed SGD with Random Sparsification [98.98236187442258]
  コミュニケーションのボトルネックは、大規模なディープラーニングにおいて重要な問題である。 非効率な分散問題に対する誤りフィードバックよりも優れた収束性を示す分散誤差フィードバック(DEF)アルゴリズムを提案する。 また、DEFよりも優れた境界を示すDEFの一般化を加速するDEFAを提案する。
  論文  参考訳（メタデータ） (2020-04-11T03:50:59Z)

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。