An Adaptive Multichain Blockchain: A Multiobjective Optimization Approach

Este artigo propõe uma abordagem de otimização multiobjetivo para configurar cadeias de blocos adaptativas e efêmeras, agrupando dinamicamente aplicações e operadores com base em demanda e capacidade para maximizar a utilidade do sistema enquanto equilibra trade-offs entre escalabilidade, descentralização e estabilidade.

O essencial

Imagine que o mundo das criptomoedas e blockchains é como uma grande cidade de trânsito.

Atualmente, essa cidade funciona de um jeito muito rígido: existem várias estradas (chamadas de "chains" ou cadeias) pré-definidas. Algumas estradas são superlotadas de carros (aplicativos) e o trânsito para, os pedágios (taxas) ficam caríssimos. Outras estradas estão vazias, com carros parados esperando, mas ninguém pode ir para lá porque as regras da cidade não permitem mudar o mapa facilmente.

Os autores deste artigo, Nimrod Talmon e Haim Zysberg, propõem uma solução inteligente: uma cidade que se reorganiza sozinha a cada hora.

Aqui está a explicação simples do que eles propõem, usando analogias do dia a dia:

1. O Problema: Estradas Rígidas

Hoje, se um aplicativo popular (como um jogo ou um banco) fica muito famoso, ele enche a sua "estrada" específica. As taxas explodem e os usuários sofrem. Ao mesmo tempo, outras estradas com operadores (motoristas de caminhão que mantêm a rede) estão ociosas, mas não podem ajudar porque o sistema é estático. É como ter um engarrafamento na Avenida Paulista enquanto a Avenida Faria Lima está vazia, mas o semáforo não permite que os carros mudem de rua.

2. A Solução: O "Gerente de Trânsito" Inteligente

Os autores propõem um sistema onde, a cada "época" (digamos, a cada hora ou dia), um algoritmo inteligente (o otimizador) olha para todos os pedreiros, motoristas e motoristas de aplicativo e cria novas estradas temporárias (chamadas de ephemeral chains).

• Os Aplicativos (Apps): São como motoristas de aplicativo que dizem: "Preciso levar 100 passageiros, tenho um orçamento de $50 e quero chegar rápido".
• Os Operadores: São como donos de frotas que dizem: "Tenho 50 carros prontos, custam $10 para rodar e quero ganhar pelo menos $20".
• O Sistema: É o prefeito que quer que a cidade funcione bem, com segurança e sem desperdício.

3. Como Funciona a "Aposta" (Otimização)

A cada ciclo, o sistema faz uma reunião virtual:

1. Todos declaram o que precisam e o que oferecem.
2. O algoritmo joga tudo isso num "quebra-cabeça" matemático.
3. O objetivo é agrupar os motoristas e as frotas de forma que:
   • Ninguém fique sem passageiro.
   • Ninguém pague mais do que pode.
   • Os donos de frotas ganhem um lucro justo.
   • A cidade como um todo tenha o máximo de carros rodando.

Depois de resolver o quebra-cabeça, ele cria grupos temporários (novas cadeias) onde esses grupos específicos trabalham juntos. No próximo ciclo, ele pode mudar tudo se a demanda mudar.

4. O Dilema: Quem Ganha Mais?

Aqui entra a parte mais interessante. O algoritmo tem um botão de controle chamado Governança.

• Se o botão estiver virado para "Aplicativos", o sistema prioriza que todos os motoristas sejam atendidos, mesmo que os donos de frotas ganhem menos.
• Se estiver virado para "Operadores", o sistema garante que os donos de frotas ganhem muito, mesmo que alguns motoristas fiquem sem passageiro.
• Se estiver no "Meio", o sistema tenta equilibrar tudo.

É como um painel de controle onde a comunidade decide: "Hoje queremos priorizar o preço baixo" ou "Hoje queremos priorizar o lucro dos mineradores".

5. O "Truque" da Segurança e Justiça

O papel explica que isso é difícil de calcular (matematicamente complexo), mas eles mostram que é possível fazer isso fora da blockchain (em computadores potentes) e depois provar que o resultado está correto dentro da blockchain (como um recibo digital).

Eles também tratam de problemas como:

• Estabilidade: Se mudarmos de estrada toda hora, o passageiro fica tonto. O sistema tenta não mudar as coisas se não for necessário.
• Diversidade: O sistema evita que todas as estradas sejam apenas para jogos, garantindo que haja bancos, redes sociais e outros serviços misturados.
• Justiça: Se o algoritmo escolher uma solução que deixa um aplicativo com menos serviço do que o esperado, ele pode compensar esse aplicativo no próximo ciclo.

Resumo da Ópera

Imagine que a blockchain não é mais uma estrada de pedágio fixa, mas sim um sistema de transporte sob demanda (como um Uber que cria rotas dinâmicas em tempo real).

• Antes: Você ficava preso no trânsito porque a estrada estava cheia e não podia sair.
• Agora: Um "cérebro" central olha para a cidade, vê onde há espaço, onde há gente esperando, e cria rotas novas e eficientes a cada momento, garantindo que todos cheguem ao destino da melhor forma possível, dependendo do que a comunidade decidir ser mais importante naquele dia.

O artigo é, essencialmente, o manual de engenharia para construir esse "cérebro" que faz a blockchain se adaptar sozinha, sem precisar de uma reunião de governança lenta e burocrática toda vez que o trânsito muda.

Resumo técnico

Resumo Técnico: Uma Abordagem de Otimização Multiobjetivo para Blockchains Multicadeia Adaptativas

1. O Problema

As blockchains atuais enfrentam um dilema fundamental entre segurança, descentralização e escalabilidade. Embora arquiteturas multicadeia (como Polkadot e Cosmos) distribuam a carga de trabalho, elas são tipicamente estáticas: as cadeias são pré-definidas e fixas, independentemente das flutuações dinâmicas na demanda ou na capacidade dos operadores.

Essa rigidez gera vários problemas:

• Ineficiência de Recursos: Picos de demanda em algumas cadeias elevam as taxas (gas fees) globalmente, enquanto outras cadeias permanecem ociosas.
• Falta de Adaptação: Aplicações e operadores não podem ajustar-se automaticamente às condições de mercado em tempo real.
• Experiência do Usuário: A alocação manual e a inércia de governança impedem o pareamento eficiente entre aplicações e operadores, reduzindo a resiliência e a inovação.

O artigo propõe tratar a configuração da blockchain não como um problema de infraestrutura estática, mas como um problema de alocação de recursos multiagente, onde aplicações e operadores declaram suas necessidades e capacidades, e um otimizador reconfigura a rede dinamicamente.

2. Metodologia

Os autores propõem um framework onde a rede é reconfigurada periodicamente (por "épocas") para formar cadeias efêmeras (temporárias) que agrupam aplicações e operadores com base em uma otimização multiobjetivo.

Modelo Central:

• Agentes:
  • Aplicações: Declaram demanda de gás, stake necessário e preço máximo aceitável.
  • Operadores: Declaram capacidade de gás, stake disponível e preço mínimo aceitável.
  • Sistema: Representa o interesse global (usuários e governança), focando em throughput, segurança e diversidade.
• Variáveis de Decisão: Otimizador decide quais aplicações e operadores são agrupados em cada cadeia efêmera e define o preço de limpeza (clearing price) da cadeia.
• Função Objetivo: Maximizar uma combinação ponderada das utilidades normalizadas das aplicações, dos operadores e do sistema. Os pesos ($\lambda_{app}, \lambda_{op}, \lambda_{sys}$) são parâmetros de governança que determinam a prioridade relativa de cada grupo.
• Restrições:
  • Viabilidade de Atribuição: Cada agente pertence a no máximo uma cadeia.
  • Stake: O stake total dos operadores na cadeia deve cobrir os requisitos de segurança das aplicações.
  • Preço de Gás: O preço da cadeia deve estar dentro do intervalo viável entre o preço mínimo dos operadores e o preço máximo das aplicações.

Extensões Modulares:
O modelo é projetado para ser modular, permitindo a adição de:

• Sobredimensionamento (Overprovisioning): Um parâmetro de folga ($\gamma$) para absorver picos de demanda não declarados.
• Compatibilidade de Capacidades: Restrições técnicas (ex: suporte a ZK-proofs, EVM) que devem ser atendidas pelos operadores.
• Diversidade de Tipos: Penalidades para evitar concentração excessiva em um único tipo de aplicação.
• Estabilidade Época-a-Época: Penalidades por tempo de inatividade (downtime) e custos de reconfiguração ao mover agentes entre cadeias.

Complexidade Computacional:
O problema é formalmente demonstrado como NP-difícil (reduzido do problema de Partição). No entanto, os autores argumentam que é tratável na prática:

• Pode ser resolvido off-chain usando solucionadores de Programação Linear Inteira Mista (MILP) ou metaheurísticas (como Nevergrad).
• A estrutura do problema permite decomposição bilevel (atribuição discreta vs. preço contínuo), onde o preço ótimo para uma cadeia pode ser calculado analiticamente.
• A verificação dos resultados ocorre on-chain (via provas de conhecimento zero ou auditoria), mantendo a descentralização.

3. Contribuições Principais

1. Modelo Formal de Formação de Cadeias: É, segundo os autores, o primeiro modelo formal que trata a própria formação de cadeias como um problema de otimização multiobjetivo, equilibrando utilidades heterogêneas (aplicações, operadores, sistema).
2. Framework Adaptativo: Introduz um mecanismo onde as cadeias são efêmeras e se reconfiguram automaticamente a cada época, respondendo a mudanças de demanda e capacidade.
3. Análise de Alinhamento (Misalignment): Os autores definem uma nova métrica, "misalignment", para quantificar o conflito estrutural entre as preferências dos agentes em uma instância específica. Isso ajuda a governança a identificar quando o ajuste de pesos é crítico (alto conflito) ou trivial (baixo conflito).
4. Mecanismos de Justiça e Incentivos:
   • Propõe compensações para aplicações quando múltiplas soluções ótimas existem, garantindo justiça ex-ante.
   • Discute a estratégia de declaração verdadeira (truthfulness) e propõe penalidades baseadas em colateral (slashing) para desencorajar manipulação, embora reconheça que a estratégia-proofness total é difícil em declarações multidimensionais.

4. Resultados e Simulações

Os autores realizaram simulações usando dados sintéticos para validar o modelo:

• Controle de Governança: As simulações demonstraram que os pesos de governança ($\lambda$) permitem um controle fino sobre a distribuição de utilidade. Por exemplo, priorizar operadores aumenta o rendimento (yield), enquanto priorizar aplicações aumenta a taxa de serviço (utilização).
• Trade-offs: Os resultados mostram trade-offs claros entre throughput, descentralização, rendimento do operador e estabilidade do serviço.
• Viabilidade Computacional: O uso de solucionadores como Nevergrad e técnicas de memoização/canonicalização mostrou que o problema é computacionalmente viável em escalas realistas, especialmente considerando que a reconfiguração ocorre em intervalos longos (horas ou dias).
• Análise de Misalignment: A métrica de misalignment revelou que, em certas configurações de mercado, é impossível satisfazer todos os agentes simultaneamente, exigindo escolhas políticas explícitas por parte da governança.

5. Significado e Impacto

Este trabalho oferece uma mudança de paradigma na arquitetura de blockchains:

• De Estático para Dinâmico: Move-se de uma infraestrutura rígida para uma infraestrutura auto-organizada e adaptativa.
• Ponte entre Economia e Computação: Integra mecanismos de design (leilões, preços de limpeza) com otimização combinatória e aprendizado de máquina (para previsões de demanda).
• Fundação para Governança Técnica: Fornece uma base matemática para que a governança de uma blockchain tome decisões sobre alocação de recursos, não apenas baseadas em intuição, mas em otimização de utilidade global.
• Escalabilidade Realista: Ao permitir que a rede se adapte à demanda real, evita o desperdício de recursos e melhora a experiência do usuário, resolvendo gargalos de escalabilidade que arquiteturas estáticas não conseguem mitigar.

Em suma, o artigo propõe uma metodologia geral para raciocinar sobre coordenação em ambientes descentralizados dinâmicos, tratando a configurabilidade da blockchain como um problema de alocação de recursos multiagente.