論文の概要: Designing Ethereum's Geographical (De)Centralization Beyond the Atlantic

• arxiv url: http://arxiv.org/abs/2509.21475v1
• Date: Thu, 25 Sep 2025 19:40:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:53.949587
• Title: Designing Ethereum's Geographical (De)Centralization Beyond the Atlantic
• Title（参考訳）: Ethereumの地理的(デ)中心化を大西洋を越えて設計する
• Authors: Sen Yang, Burak Öz, Fei Wu, Fan Zhang,
• Abstract要約: 無許可のシステムでは、場所を強制することはできないが、インセンティブから現れる。 今日、バリデーターは大西洋(EUと米国東海岸)に沿ってクラスタ化されており、遅延は構造的に有利である。 これらの結果は,プロトコル設計が分散化を図り,地理的分散化を促進するためのレバーを提供することを示している。
• 参考スコア（独自算出の注目度）: 12.01568515045967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decentralization has a geographic dimension that conventional metrics such as stake distribution overlook. Where validators run affects resilience to regional shocks (outages, disasters, government intervention) and fairness in reward access. Yet in permissionless systems, locations cannot be mandated, but they emerge from incentives. Today, Ethereum's validators cluster along the Atlantic (EU and U.S. East Coast), where latency is structurally favorable. This raises a key question: when some regions already enjoy latency advantages, how does protocol design shape validator incentives and the geography of (de)centralization? We develop a latency-calibrated agent-based model and compare two Ethereum block-building paradigms: a Single-Source Paradigm (SSP), akin to MEV-Boost, where proposers fetch full blocks from a relay that also propagates them; and a Multi-Source Paradigm (MSP), where proposers aggregate value from multiple sources and broadcast the block themselves. Simulations show that SSP concentrates around relay placement but more slowly, since proximity mainly affects propagation, and the marginal value of time is relatively uniform across regions. MSP centralizes faster: aggregating across sources makes marginal value location-dependent, amplifying payoff dispersion and migration toward latency minima. Source placement and consensus settings can dampen or intensify these effects, though once validators are already clustered, the impact of source placement on decentralization is marginal. In most cases, North America consistently emerges as the focal hub. These findings show that protocol design materially shapes validator geography and offer levers for promoting geographical decentralization.
• Abstract（参考訳）: 分散化は、従来の利害分布などのメトリクスが見落としているような地理的次元を持っている。 バリケーターが走る場所は、地域的ショック(停電、災害、政府の介入)に対するレジリエンスと、報酬アクセスの公平性に影響を及ぼす。 しかし、無許可のシステムでは、場所を強制することはできないが、インセンティブから生まれる。 今日、Ethereumのバリデーターは大西洋(EUと米国東海岸)に沿ってクラスタ化されており、遅延は構造的に有利である。 レイテンシのアドバンテージがすでにあるリージョンでは,プロトコル設計がバリデータのインセンティブや(分散化の)地理をどのように形成するのでしょうか? 我々は、遅延キャリブレーションされたエージェントベースモデルを開発し、MEV-Boostに似たシングルソースパラダイム(SSP)と、複数のソースからの値を集約してブロック自体をブロードキャストするマルチソースパラダイム(MSP)の2つのEthereumブロック構築パラダイムを比較した。 シミュレーションにより,SSPはリレー配置を中心に集中するが,近接は伝播に大きく影響し,時間の境界値は比較的均一であることがわかった。 ソースをまたぐアグリゲーションは、位置情報に依存し、ペイオフ分散を増幅し、レイテンシーミニマへ移行する。 ソース配置とコンセンサス設定は、バリデータはすでにクラスタ化されているが、ソース配置とコンセンサス設定がこれらの効果を弱めたり、強化したりする可能性がある。 ほとんどの場合、北アメリカは焦点のハブとして一貫して現れます。 これらの結果から,プロトコル設計は地理的にバリケータを形作り,地理的分散化を促進するためのレバーを提供することがわかった。

関連論文リスト

• DICE: Data Influence Cascade in Decentralized Learning [40.90617253486055]
  分散環境でtextbfData textbfInfluence textbfCascadtextbfE (DICE) を推定するフレームワークを開発した。 DICEは、適切なコラボレータの選択や悪意のある振る舞いの特定を含む、アプリケーションの基盤を配置する。
  論文  参考訳（メタデータ） (2025-07-09T15:13:44Z)
• Cross-View Geo-Localization with Street-View and VHR Satellite Imagery in Decentrality Settings [39.252555758596706]
  Cross-View Geo-Localizationは、ストリートビュークエリ画像とジオタグ付き空中ビュー参照画像とを一致させる。 分散性はより深い調査を保証する重要な要因であり、より大規模な分散性は局所化効率を大幅に改善できるが、局所化精度の低下のコストがかかる。 DReSSは、広い地理的範囲と多様な景観を持つクロスビューなジオローカライゼーションを評価するために設計された、新しいデータセットである。
  論文  参考訳（メタデータ） (2024-12-16T08:07:53Z)
• Semi-decentralized Training of Spatio-Temporal Graph Neural Networks for Traffic Prediction [0.15978270011184256]
  スマートモビリティ領域における時空間グラフ時間ニューラルネットワーク(ST-GNN)のための半分散トレーニング手法を探索し,適応する。 センサを複数のクラウドレットに近接してグループ化するシミュレーションフレームワークを実装した。 半分散的なセットアップは、パフォーマンスメトリクスの集中的なアプローチと同等であることを示す。
  論文  参考訳（メタデータ） (2024-12-04T10:20:21Z)
• Trust your Good Friends: Source-free Domain Adaptation by Reciprocal Neighborhood Clustering [50.46892302138662]
  我々は、ソースデータがない場合に、ソース事前学習されたモデルをターゲット領域に適応させる、ソースフリー領域適応問題に対処する。 提案手法は,ソースドメイン分類器と一致しない可能性のあるターゲットデータが,依然として明確なクラスタを形成しているという観測に基づいている。 本研究では, この地域構造を, 地域住民, 相互隣人, 及び拡張近所を考慮し, 効率的に把握できることを実証する。
  論文  参考訳（メタデータ） (2023-09-01T15:31:18Z)
• FedSpeed: Larger Local Interval, Less Communication Round, and Higher Generalization Accuracy [84.45004766136663]
  フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。 これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。 本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
  論文  参考訳（メタデータ） (2023-02-21T03:55:29Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• A Unified Theory of Decentralized SGD with Changing Topology and Local Updates [70.9701218475002]
  分散通信方式の統一収束解析を導入する。 いくつかの応用に対して普遍収束率を導出する。 私たちの証明は弱い仮定に依存している。
  論文  参考訳（メタデータ） (2020-03-23T17:49:15Z)

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。