論文の概要: Hypergraph based Multi-Party Payment Channel

• arxiv url: http://arxiv.org/abs/2512.11775v1
• Date: Fri, 12 Dec 2025 18:37:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.871211
• Title: Hypergraph based Multi-Party Payment Channel
• Title（参考訳）: ハイパーグラフに基づく多人数支払いチャネル
• Authors: Ayush Nainwal, Atharva Kamble, Nitin Awathare,
• Abstract要約: ハイパーグラフを用いたマルチパーティペイメントチャネル(H-MPC)について紹介する。 MPCは、両側のチャネルを集合的なハイパーエッジで置き換える。 150ノードネットワーク上での実装では,トランザクション成功率は約94%である。
• 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: Public blockchains inherently offer low throughput and high latency, motivating off-chain scalability solutions such as Payment Channel Networks (PCNs). However, existing PCNs suffer from liquidity fragmentation-funds locked in one channel cannot be reused elsewhere-and channel depletion, both of which limit routing efficiency and reduce transaction success rates. Multi-party channel (MPC) constructions mitigate these issues, but they typically rely on leaders or coordinators, creating single points of failure and providing only limited flexibility for inter-channel payments. We introduce Hypergraph-based Multi-Party Payment Channels (H-MPCs), a new off-chain construction that replaces bilateral channels with collectively funded hyperedges. These hyperedges enable fully concurrent, leaderless intra- and inter-hyperedge payments through verifiable, proposer-ordered DAG updates, offering significantly greater flexibility and concurrency than prior designs. Our implementation on a 150-node network demonstrates a transaction success rate of approximately 94% without HTLC expiry or routing failures, highlighting the robustness of H-MPCs.
• Abstract（参考訳）: パブリックブロックチェーンは本質的に低スループットと高レイテンシを提供し、ペイメントチャネルネットワーク(PCN)のようなオフチェーンのスケーラビリティソリューションを動機付けている。 しかし、既存のPCNは、一方のチャネルに閉じ込められた流動性の断片化資金を他のチャネルやチャネルの枯渇で再利用することはできない。 マルチパーティチャネル(MPC)構築はこれらの問題を緩和するが、通常はリーダーやコーディネータに依存し、単一障害点を生成し、チャンネル間支払いに限られた柔軟性を提供する。 H-MPC(Hypergraph-based Multi-Party Payment Channels)は、両側のチャネルを複数のハイパーエッジに置き換える、新たなオフチェーン構造である。 これらのハイパーエッジは、検証可能なプロジェクタ順序のDAG更新を通じて、完全な並列性、リーダレス、ハイパーエッジ間支払いを可能にし、以前の設計よりも柔軟性と並行性を提供する。 150ノードネットワーク上での実装では,HTLCの有効期限やルーティング障害を伴わずに約94%のトランザクション成功率を示し,H-MPCの堅牢性を強調した。

関連論文リスト

• Starfish: Rebalancing Multi-Party Off-Chain Payment Channels [23.267347756758618]
  本稿では,星型ネットワーク構造を捕捉し,高い再バランス効率とチャネル容量を実現する再バランス手法であるStarfishを提案する。 Starfishは、独立したチャネルを接続し、すべてのチャネルの総予算を集約するために、オンチェーンでN$のオペレーションしか必要としない。
  論文  参考訳（メタデータ） (2025-04-29T08:30:33Z)
• Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
  Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。 Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
  論文  参考訳（メタデータ） (2025-01-18T00:22:22Z)
• Your Trust, Your Terms: A General Paradigm for Near-Instant Cross-Chain Transfer [26.61748905524824]
  セキュアで高性能なクロスチェーン決済を実現するために、Delegated Ownership Transfer(DOT)パラダイムを導入します。 DOTは、キーオーナシップをバリューオーナシップから切り離して、セキュアで高性能なクロスチェーン支払いを可能にする。 プロトタイプでは、クロスチェーン支払いは16.70ms以下で、原子スワップは33.09ms以下で完了しており、コストはLayer-1ガス料金から完全に切り離されている。
  論文  参考訳（メタデータ） (2024-03-22T13:21:09Z)
• Deep Reinforcement Learning-based Rebalancing Policies for Profit Maximization of Relay Nodes in Payment Channel Networks [7.168126766674749]
  本研究では, 海底スワップの再バランス手法を用いて, リレーノードが手数料から利益を最大化する方法について検討した。 我々は,すべての再バランスポリシに対して時間とともにノードの運命の問題を定式化し,Deep Reinforcement Learningベースの再バランスポリシを設計することによって最適解を近似する。
  論文  参考訳（メタデータ） (2022-10-13T19:11:10Z)
• High fidelity two-qubit gates on fluxoniums using a tunable coupler [47.187609203210705]
  超伝導フラクソニウム量子ビットは、大規模量子コンピューティングへの道のトランスモンに代わる有望な代替手段を提供する。 マルチキュービットデバイスにおける大きな課題は、スケーラブルなクロストークのないマルチキュービットアーキテクチャの実験的なデモンストレーションである。 ここでは、可変カプラ素子を持つ2量子フッソニウム系量子プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-03-30T13:44:52Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
  本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。 本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-30T10:05:35Z)
• Channel Equilibrium Networks for Learning Deep Representation [63.76618960820138]
  この研究は正規化と正則線型関数の組み合わせがチャネルを阻害することを示している。 阻害されたチャネルを単に取り除いた先行技術とは異なり、我々は、新しいニューラルネットワークビルディングブロックを設計することで、トレーニング中に「目を覚ます」ことを提案する。 Channel Equilibrium (CE) ブロックは、同じレイヤのチャネルが学習した表現に等しく寄与することを可能にする。
  論文  参考訳（メタデータ） (2020-02-29T09:02:31Z)
• Discrimination-aware Network Pruning for Deep Model Compression [79.44318503847136]
  既存のプルーニング手法は、スクラッチからスパーシティ制約で訓練するか、事前訓練されたモデルと圧縮されたモデルの特徴マップ間の再構成誤差を最小限に抑えるかのいずれかである。 本稿では,識別能力に実際に寄与するチャネルを選択するために,識別認識チャネルプルーニング (DCP) と呼ばれる簡便な手法を提案する。 画像分類と顔認識の両方の実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-01-04T07:07:41Z)

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。