연구진은 비트코인 Lightning Network의 유동성 배치 문제를 해결하기 위해 그래프 강화 학습을 활용했어요. 최대 유량을 극대화하는 $k$개의 엣지 추가를 선택하는 예산 제약 조합 최적화 문제로 정의했어요. MPFlow 에이전트는 메시지 전달 정책 네트워크와 PPO를 결합하고, 허브 배제 교육 과정을 통해 학습했어요.
실제 Lightning Network 스냅샷에 대한 실험에서 MPFlow는 여러 시드와 미지의 그래프에서 최대 유량 목표에 대해 강력한 휴리스틱 기준을 꾸준히 능가했어요. 이 에이전트는 피어 추천에 사용되어 30개의 관리 노드에 걸쳐 267.3 BTC를 누적할당하는 4640개의 채널 열기 결정을 실행했어요.
MPFlow는 Lightning Network의 유동성 배치 문제를 해결하는 데 효과적인 방법임을 입증하며, 네트워크 효율성 향상에 기여할 수 있어요.