본 논문은 비트코인과 같은 UTXO 기반 블록체인의 확장성을 위한 머신러닝(ML) 기반 접근 방식을 제시합니다. 기존의 UTXO 집합 분할 방식은 검증자 간 UTXO 효율적인 분산에 어려움을 겪고, 자식-부모 트랜잭션 의존성으로 인해 상당한 통신 오버헤드를 발생시킵니다. 본 논문에서는 ML을 사용하여 UTXO 집합 분할뿐만 아니라 수신 트랜잭션 라우팅을 최적화하여 트랜잭션이 부모 UTXO를 포함하는 조각으로 전달되도록 합니다. 핵심은 대조 학습과 비지도 학습을 결합하여 트랜잭션 출력에 대한 임베딩 공간을 생성하는 프레임워크입니다. 이 임베딩을 통해 모델은 지출 관계에 따라 트랜잭션 출력을 그룹화하여 트랜잭션을 올바른 검증 마이크로서비스로 효율적으로 라우팅할 수 있습니다. 삼중항 손실과 온라인 준하드 네거티브 마이닝으로 과거 트랜잭션 데이터를 학습하여 모델은 부모-자식 지출 패턴을 매개변수에 직접 임베딩하므로 비용이 많이 드는 실시간 부모 트랜잭션 조회가 필요 없습니다. 이를 통해 크로스-샤드 통신 오버헤드가 크게 줄어들고 처리량과 확장성이 향상됩니다.
