Adaptive Multi-paradigm Metaheuristic Optimization for Blockchain Scalability: A Comparative Evaluation of Transaction Latency and Throughput

Dans le monde numérique, une blockchain est un registre partagé que de nombreux ordinateurs conservent ensemble, garantissant que chaque transaction est sécurisée et transparente sans avoir besoin d'une banque centrale ou d'une autorité pour la surveiller. Imaginez un groupe de voisins qui notent tous chaque fois que de l'argent change de mains dans leur village, chacun gardant une copie identique du registre. Le défi surgit lorsque le village devient trop grand ; si trop de personnes essaient d'écrire dans le registre en même temps, le processus ralentit et il faut plus de temps pour que tout le monde se mette d'accord sur ce qui a été écrit. C'est le problème de la scalabilité : à mesure que le nombre de transactions augmente, le temps nécessaire pour les confirmer s'accroît et le nombre de transactions que le système peut traiter par seconde diminue. Pour que la technologie blockchain soit utile pour des choses quotidiennes comme les paiements mondiaux ou les systèmes de vote, elle doit être capable de traiter des milliers de transactions rapidement sans s'enliser.

Des chercheurs de l'Université Fédérale de Dutse au Nigeria ont abordé ce goulot d'étranglement en développant une nouvelle méthode pour aider ces systèmes numériques à fonctionner plus fluidement. Ils se sont concentrés sur deux mesures de performance spécifiques : le temps qu'une transaction met pour être confirmée, appelé latence, et le nombre de transactions que le système peut traiter en une seule seconde, appelé débit. Pour résoudre le problème, ils ont créé un nouveau programme informatique appelé Optimisation Métaheuristique Adaptative Multiparadigme, ou MAMO. Ce programme agit comme un contrôleur de trafic intelligent pour la blockchain. Contrairement aux anciennes méthodes qui suivent un ensemble de règles fixes quel que soit l'état d'activité du système, MAMO apprend et ajuste constamment sa stratégie. Il combine plusieurs techniques de résolution de problèmes différentes, notamment des méthodes qui imitent la façon dont la nature trouve des solutions et des systèmes qui utilisent la rétroaction pour corriger les erreurs en temps réel. L'objectif était de voir si cette approche adaptable pouvait maintenir la rapidité de la blockchain même lorsque la charge de travail devient lourde.

Pour tester leur idée, les chercheurs ont construit une simulation informatique détaillée d'un réseau blockchain. Ils n'ont pas utilisé un réseau réel, mais plutôt un environnement virtuel où ils pouvaient contrôler chaque variable avec précision. Ils ont organisé une compétition directe entre leur nouveau système MAMO et une méthode existante appelée Algorithme d'Optimisation du Serpent (Snake Optimization Algorithm), qui est une technique plus récente inspirée par les comportements de chasse et d'accouplement des serpents. Ils ont fait tourner la simulation sous six conditions différentes, partant d'une seule transaction et montant jusqu'à cent mille transactions. Pour chaque condition, ils ont effectué le test trente fois pour s'assurer que les résultats étaient cohérents et n'étaient pas seulement le fruit d'un coup de chance. Ils ont gardé tout le reste exactement identique pour les deux systèmes, ne changeant que la méthode utilisée pour organiser les transactions, afin que toute différence de vitesse puisse être directement imputée à l'algorithme lui-même.

Les résultats ont montré un avantage clair pour le nouveau système adaptatif. Lorsque la charge de travail était légère, les deux systèmes fonctionnaient raisonnablement bien, mais à mesure que le nombre de transactions augmentait, l'ancienne méthode du Serpent commençait à peiner. Au niveau d'activité le plus élevé, avec cent mille transactions, le système du Serpent mettait en moyenne 1,048680 milliseconde pour confirmer une transaction. En revanche, le système MAMO a réussi la même tâche en seulement 0,939850 milliseconde. Bien que cette différence puisse sembler petite, dans le monde de l'informatique à haute vitesse, elle représente une amélioration significative de la réactivité. Plus important encore, le nouveau système a géré un volume de travail beaucoup plus important. À ce même pic de charge, le système MAMO a traité 327 509,84 transactions par seconde, alors que le système du Serpent ne pouvait en gérer que 202 864,77. Cela signifie que la nouvelle méthode était capable de traiter environ 61 pour cent de transactions en plus dans le même laps de temps.

Les chercheurs ont également examiné la stabilité des systèmes. L'ancienne méthode présentait une variation beaucoup plus importante de ses performances ; parfois elle était rapide, et d'autres fois elle était beaucoup plus lente, surtout lorsque le réseau était sous une forte pression. Le nouveau système MAMO, cependant, est resté stable et prévisible à travers les trente essais pour chaque niveau de charge de travail. Des tests statistiques ont confirmé que l'amélioration du nombre de transactions traitées n'était pas une coïncidence, mais un résultat fiable qui se vérifiait dans tous les scénarios. Bien que le nouveau système ait présenté une latence plus faible à la charge de travail la plus élevée, la signification statistique pour l'amélioration de la latence n'a été trouvée qu'au niveau de charge de travail le plus bas (une transaction) ; les améliorations aux charges de travail plus élevées, y compris sous la pression la plus extrême, n'ont pas atteint la signification statistique après correction. L'étude suggère qu'en permettant au processus d'optimisation de s'adapter à l'état actuel du réseau, plutôt qu'en s'en tenant à un plan rigide, le système peut maintenir une performance élevée même lorsque la demande augmente.

Ce travail ne prétend pas avoir résolu tous les problèmes auxquels la technologie blockchain est confrontée. Les résultats proviennent d'une simulation informatique contrôlée, et les chercheurs reconnaissent que les réseaux réels impliquent de nombreux autres facteurs, tels que la consommation d'énergie et la sécurité, qui ne faisaient pas partie de ce test spécifique. Ils ont également noté que, bien que leur méthode soit supérieure à l'algorithme du Serpent, il existe d'autres méthodes existantes qui pourraient être comparées dans de futures études. Cependant, les conclusions fournissent une preuve solide que l'approche flexible et basée sur l'apprentissage est supérieure à une approche statique face aux demandes complexes et changeantes d'un registre numérique à grande échelle. En prouvant que le système peut apprendre et s'ajuster en temps réel, les chercheurs ont ouvert une voie prometteuse pour rendre la technologie blockchain assez rapide pour soutenir la prochaine génération d'applications numériques.