L3S Beste Veröffentlichung des Quartals (Q3+Q4/2025)
Category: Green AI
Hybrid pathfinding optimization for the Lightning Network with Reinforcement Learning
Autoren: D. Valko, D. Kudenko
Erschienen in Engineering Applications of Artificial Intelligence
Das Paper in Kürze:
Das Bitcoin Lightning Network ermöglicht schnelle und kostengünstige Transaktionen. Dennoch können Zahlungen scheitern, weil das Netzwerk nicht immer zuverlässige Routen findet. In unserem neuen Paper verbinden wir Reinforcement Learning (RL) mit bestehenden Routing-Algorithmen, um dynamisch bessere Zahlungswege auszuwählen. Tests mit einem realen Netzwerk-Snapshot zeigen, dass dieser hybride Ansatz die Erfolgsquote von Zahlungen unter anspruchsvollen Netzwerkbedingungen um rund 10 Prozent erhöhen kann. Gleichzeitig bleibt das System effizient und vermeidet unnötig lange Routing-Pfade, die die Infrastruktur belasten würden.
Unsere Ergebnisse verdeutlichen, dass RL das Potenzial hat, die Zuverlässigkeit und Skalierbarkeit digitaler Zahlungssysteme der nächsten Generation deutlich zu verbessern – und das ohne Änderungen an der zugrunde liegenden Architektur.
Link zum Paper:: https://www.sciencedirect.com/science/article/abs/pii/S0952197625002258
