FutureBit katsetab Bitcoini kaevandamist digitaalse kärbseajuga

FutureBit katsetab Bitcoini kaevandamist digitaalse kärbseajuga
FutureBit katsetab Bitcoini kaevandamist digitaalse kärbseajuga

Kaevandamisriistvara tootja FutureBit on katsetanud ebatavalist meetodit SHA-256 arvutuste tegemiseks, kasutades äädikakärbse aju digitaalset mudelit. HashFly eksperiment kasutab 2 914 simuleeritud neuroniühendust, kuid töötab praegu tavapärasel arvutiriistvaral ega suuda ASIC-kaevandajatega konkureerida.

See artikkel on tõlgitud originaalist. Lugege meie korrespondendi algset versiooni siit.

Ettevõtte sõnul võiks reaalsetel bioloogilistel neuronitel põhinev teoreetiline süsteem saavutada energiatõhususe umbes 1 vatt TH/s kohta. See oleks ligikaudu 10 korda tõhusam kui tänapäevased 3 nm protsessil valmistatud ASIC -kiibid, kuigi selline süsteem on endiselt puhtalt hüpoteetiline.

HashFly põhineb MaleCNS v1.0-l, mis on täiskasvanud isase äädikakärbse aju ja kesknärvisüsteemi digitaalne kaart. FutureBit kavatseb laiendada eksperimenti andmekogumi kõigile neuronitele ja avaldada oma uurimistulemused.

Digitaalsed neuronid teevad SHA-256 arvutusi

Bitcoini kaevandamiseks teevad masinad korduvalt SHA-256 arvutusi, et leida väärtus, mis vastab võrgu nõutud keerukusele. Kaevandamisriistvara jõudlust mõõdetakse räsikiirusega ehk selliste katsete arvuga, mida see suudab sekundis teha.

HashFly puhul tehakse osa arvutusprotsessist 2 914 simuleeritud neuroniühenduse abil. Kasutajad saavad sihtkeerukust kohandada, kuid eksperiment toimib tasemel, mis ei ole võrreldav tegeliku Bitcoini võrguga.

Võrdluseks võib öelda, et FutureBiti kompaktne Apollo III ASIC-kaevandaja suudab pakkuda umbes 18 TH/s. HashFly töötab otse brauseris tavapärasel riistvaral ega ole mõeldud praktiliseks Bitcoini kaevandamiseks.

Eksperimendi kõige intrigeerivam osa on FutureBiti teoreetiline hinnang süsteemi bioloogilise versiooni kohta.

Ettevõte arvutas, et kui reaalsed neuronid saaks panna pidevalt tegema kaevandamisega seotud arvutusi ja nende väljundit võrrelda äädikakärbse energiatarbimisega, võiks tõhusus ulatuda umbes 1 vatini TH/s kohta. Selliste omadustega reaalset süsteemi praegu ei eksisteeri.

Kaevandamise juhtimiseks kasutatakse ka kärbseajusid

Eraldi projekti nimega FlyMiner arendatakse digitaalse kaardi abil, mis sisaldab 139 255 äädikakärbse neuronit ja 16,8 miljonit nendevahelist ühendust. Erinevalt HashFlyst ei tee süsteem kõiki kaevandamisarvutusi otse. Selle asemel määrab see, millal tavapärane algoritm peaks hakkama lahendust otsima.

Kui kärbse liikumisega seotud simuleeritud neuronite aktiivsus jõuab eelnevalt määratud läveni, hakkab programm testima CKPooli soolokaevandamise basseinilt saadud ülesande lahendusi. Protsess jõuab umbes 700 000 katseni sekundis.

Äädikakärbeste ajude digitaalseid mudeleid on katsetuslikult kasutatud mitte ainult kaevandamiseks, vaid ka kauplemiseks. Sellised projektid uurivad, kas organismi neuraalset aktiivsust saab ilma igasuguse arusaamata finantsturgudest kasutada kauplemisotsuste signaaliallikana.

Üks võimalik erinevus selle lähenemise ja inimkäitumise vahel on emotsionaalsete reaktsioonide puudumine turuliikumistele. Kuid sellised eksperimendid ei ole veel näidanud, et bioloogilised või simuleeritud närvisüsteemid ületaksid professionaalseid kauplemisalgoritme.

Varem teatasime, et HOLY Mining käivitas intelligentse pilvandmetöötluse platvormi kaevandamise tõhususe parandamiseks. Ettevõte keskendub arvutusvõimsuse ja taristu haldamise automatiseerimisele.

See materjal võib sisaldada kolmandate osapoolte arvamusi, kuid sellel veebilehel olevad andmed ja teave ei kujuta endast investeerimisnõuandeid vastavalt meie lahtiütlusele. Kuigi järgime ranget toimetuslikku terviklikkust, võib see postitus sisaldada viiteid meie partnerite toodetele.