Proposition innovante pour l'optimisation des écosystèmes de jetons basée sur l'apprentissage par renforcement

Cet article présente une proposition innovante ayant obtenu un financement de la Token Engineering Commons pour le printemps 2024. Ce projet vise à utiliser l'apprentissage par renforcement et des techniques de modélisation et de simulation basées sur des agents pour optimiser le mécanisme de courbe de liaison dans l'écosystème des jetons, améliorant ainsi la sécurité économique du système.

Contexte et objectifs du projet

La courbe de liaison, en tant qu'élément clé des écosystèmes de jetons, joue un rôle important dans le contrôle de la volatilité des prix, la fourniture de liquidité et l'ajustement dynamique de l'offre de jetons. Ce projet hérite de l'idée d'appliquer des agents d'IA à l'optimisation des mécanismes et intègre les résultats récents des recherches sur les courbes de liaison PAMM et SAMM.

L'équipe du projet se concentre sur le domaine de l'ingénierie des jetons, s'engageant à résoudre les problèmes de conception et d'optimisation des systèmes complexes grâce à la modélisation et à la simulation basées sur des agents. Grâce à un agent IA formé par apprentissage par renforcement, elle explore les stratégies malveillantes des attaquants potentiels sous différentes combinaisons de courbes de liaison PAMM et SAMM, et effectue des analyses comparatives et une exploration de l'espace d'action, afin de trouver des combinaisons de paramètres stables et de haute qualité, d'optimiser la conception des mécanismes de protocole et de réduire les risques de sécurité économique.

Méthodes de recherche

Le projet a sélectionné quatre types courants de courbes de liaison PAMM (linéaire, exponentielle, puissance et sigmoïde) et deux types de courbes de liaison SAMM (produit constant et hybride), formant 8 combinaisons. Une méthode de modélisation et de simulation basée sur des agents a été utilisée pour expérimenter, en utilisant un agent IA pour explorer l'ensemble des stratégies malveillantes potentielles pour chaque plan et leur probabilité d'occurrence, et en montrant à travers les résultats de simulation l'impact de ces stratégies sur le système, afin d'explorer des stratégies de réponse scientifiques et des plans d'optimisation des mécanismes.

Le projet utilisera une plateforme de modélisation et de simulation avancée pour présenter de manière totalement transparente les détails de la construction du modèle et le processus expérimental.

Points innovants et objectifs

1. Introduire l'apprentissage par renforcement dans l'ingénierie des jetons pour former une méthode d'optimisation des mécanismes de protocole basée sur des agents IA et des modélisations basées sur des agents.
2. La méthode est universelle, réalisable et réutilisable, et elle devrait améliorer la sécurité économique de l'ensemble de l'écosystème des jetons.
3. Utiliser des outils avancés pour rendre le modèle facile à comprendre, à utiliser et à vérifier.

Objectif à court terme :

• Explorer les stratégies malveillantes potentielles sous différentes combinaisons de courbes de liaison, identifier les risques et proposer des solutions.
• Fournir une méthode scientifique rigoureuse pour l'étude des courbes de liaison.
• Proposer des suggestions pour améliorer la sécurité économique des écosystèmes de jetons du point de vue de la courbe de liaison.

Objectif à long terme : Promouvoir des méthodes de simulation basées sur des agents combinant l'IA et l'ingénierie des jetons, afin de permettre à un plus grand nombre de personnes de participer à l'ingénierie des jetons, jetant ainsi les bases d'un écosystème de jetons décentralisé, antifragile et durable.

Résultats attendus

1. Un modèle de simulation de chaîne économique de jetons introduisant un agent AI, comprenant 8 types de combinaisons PAMM et SAMM, le modèle est entièrement transparent et facile à comprendre et à vérifier.
2. Un rapport de recherche sur les stratégies potentielles d'attaque malveillante sous différentes combinaisons de courbes de liaison basées sur l'exploration par agent AI, y compris le processus de modélisation, le contenu expérimental, les risques de vulnérabilité et les propositions d'optimisation.

Valeur du projet

• Commodité : le modèle est ouvert en tant que bien public, accessible et testable par tous.
• Valeur éducative : aider le grand public à comprendre le principe de la courbe de liaison et son rôle dans l'écosystème des jetons, promouvoir les méthodes de simulation basées sur les agents.
• Transparence : utiliser des outils de visualisation pour montrer le mécanisme de modélisation et le processus expérimental, afin de rendre les risques de la conception du mécanisme transparents.
• Communauté pilotée : les membres de la communauté peuvent réutiliser ce modèle pour diverses expériences, favorisant la décentralisation des audits de sécurité économique du protocole.
• Aligné avec les principes de l'ingénierie des jetons : favoriser la réalisation d'une ingénierie des jetons décentralisée, rassembler l'intelligence collective pour construire un écosystème de jetons plus résilient et durable.