POL:科學家提出區塊鏈的量子工作量證明共識_AIN

Author：

Time：1900/1/1 0:00:00

作者：TRISTAN GREENE，Cointelegraph；編譯：松雪，金色財經

來自澳大利亞和美國的大學的一組研究人員與量子技術公司 BTQ 進行合作，最近發表了一項研究，提出了一種新的區塊鏈共識工作量證明 (PoW) 方案，該方案依賴于量子計算技術來驗證共識。

這篇預印本研究論文被稱為“通過量子采樣達成工作量證明共識”，詳細介紹了一個系統，作者聲稱該系統“相對于經典硬件的計算有顯著的加速，并且更加節能”。

Polkatrain：此次黑客事件系市場科學家利用類似滑點問題惡意攻擊:據官方最新消息，Polkatrain團隊已經查明并核實，此次黑客事件是一起針對POLT項目的黑客利用類似滑點問題惡意攻擊行為，并非之前慢霧、幣世界、金色財經等聲稱的所謂薅羊毛事故（通過調用swap函數薅取返傭獎勵），對于這些不實言論，Polkatrain團隊將保留自己的追究權利。在社區的共同努力下，關于黑客盜取約5萬個DOT的事件（項目方近4萬個DOT，用戶近1萬個DOT），Polkatrain目前已經有重大進展，后續將持續跟蹤此事情。[2021/4/6 19:50:46]

根據研究人員的說法，目前解決 PoW 共識難題的算法速度很慢，并且需要大量的計算資源來處理：“雖然像比特幣這樣的經典 PoW 方案是出了名的能源效率低下，但我們基于玻色子采樣的 PoW 方案在量子硬件實施上可以實現一種更節能的替代方案。”

動態 | 數據科學家使用深度學習來實時預測BTC價格:印度韋洛爾技術大學的一名數據科學家提出了一種方法，據稱可以利用長短時記憶（Long Short-Term Memory，LSTM）神經網絡實時預測加密貨幣價格。在12月2日發表的一篇博客文章中，研究者Abinhav Sagar展示了一個四步過程，即如何使用機器學習技術預測一個“與傳統市場相比相對不可預測”的行業的價格。 Sagar提出的四步方法包括：1）收集實時加密貨幣數據；2）準備用于神經網絡訓練的數據；3）使用LSTM神經網絡測試預測；4）可視化預測結果。（Cointelegraph）[2019/12/2]

論文稱，該方案提供的量子優勢也會增加挖礦難度，因此，隨著礦工數量的增加，“保持一致的區塊開采時間”成為可能，可以進一步激勵“量子礦工”的持續參與。

聲音 | 京東數字科技首席數據科學家：京東城市整合區塊鏈等技術，破解貧困地區“資源限制”:據新華網報道，25日，呼和浩特市精準扶貧項目特賣嘉年華活動在京東集團總部舉行。京東數字科技首席數據科學家鄭宇表示，京東城市借助京東集團強大的數據基礎和品牌優勢，能夠整合電商、金融、物流三大體系，以及大數據、人工智能和區塊鏈等領域的技術優勢和能力，破解貧困地區的“資源限制”，有效地把社會資源的供給和需求銜接起來，幫助貧困地區的農戶與企業打通市場銷路，實現產品和品牌的可持續發展。[2019/1/26]

研究人員提到的抽樣過程——玻色子抽樣，并不是一個全新的理念，但它在區塊鏈技術中的應用似乎具有創新性。玻色子采樣已在眾多量子計算應用中顯示出前景。盡管如此，作為一種非通用的量子計算解決方案（它必須用于為特定任務構建的系統），它的潛力僅限于少數幾個領域，例如化學。

然而，據研究人員稱，它可能是面向未來的區塊鏈應用程序的完美解決方案，并且有可能降低挖礦對比特幣區塊鏈和類似區塊鏈的環境影響。

除了量子優勢之外，由于區塊鏈挖礦工作的性質，量子硬件在老式計算機上也有優勢。

目前，經典超級計算機相對于新型量子計算機的優勢之一是：能夠在定期處理同一類問題時進行“預計算”。但是，當涉及到區塊鏈時，這種預計算基本上是浪費了。

正如研究人員所說，挖礦是一個“沒有進展”的問題。無論解決多少次區塊鏈難題以提供工作量證明，計算機和算法處理帶來的挑戰永遠都無法更好地解決問題。

這意味著，盡管量子計算機的開發具有挑戰性且構建和維護成本高昂，但最終還是能夠比最先進的經典系統更有效地驗證共識。

區塊律動BlockBeats

曼昆區塊鏈法律

Foresight News

GWEI Research

吳說區塊鏈

西柚yoga