Qubic Japan Local Community Wiki

有用なプルーフ・オブ・ワーク（UPoW）モデルは、計算力を意味のあるAI中心のタスクに向けることで、従来のプルーフ・オブ・ワーク（PoW）の枠組みとは一線を画すQubic内の主要なイノベーションを象徴しています。UPoWにおいて計算リソースは、Qubicの汎用人工知能（AGI）イニシアチブであるAigarthに寄与する人工ニューラルネットワーク（ANN）のトレーニングなど、生産的な問題を解決するために向けられます。目的を持った計算へのこの移行は、エネルギー消費の懸念に対処し、マイナーの貢献をAIを前進させるというネットワークのより広範な目標と一致させます。PoWシステムとエネルギー効率の詳細については、（Beiko, 2021）を参照してください。

目的を持った計算 (Purposeful Computation)
UPoWは、AIモデルのトレーニングと検証に使用される計算力を導き、分散型AGIというAigarthイニシアチブの目標に直接奉仕します。計算リソースが任意の暗号パズルに浪費される従来のPoWシステムとは異なり、UPoWはマイニングの努力を有用なタスクに合わせます。ブロックチェーンシステムにおけるエネルギー効率に関するBeiko（2021）のような研究は、生産的な目標に向けられた計算努力が浪費を大幅に削減することを示し、このアプローチを支持しています。

エネルギー効率 (Energy Efficiency)
UPoWは、計算を任意のパズルを解くためではなく、AIモデルをトレーニングするために向けることで、エネルギーの浪費を削減します。スケーラブルなコンピューティングシステムに関する最近の研究（Zolfagharinejad et al., 2024）は、このようなエネルギー集約型のワークロードの転換が環境上の利益をもたらすことを示しています。

マイニングと報酬の枠組み (Mining and Rewards Framework)
Qubicにおけるマイニングプロセスは、ハッシュレートの最大化に焦点を当てる従来のプルーフ・オブ・ワーク（PoW）システムとは対照的に、計算による貢献を意味のある生産的なタスクに合わせます。Qubicマイナーの計算能力は、その処理速度によって測定されます。

これは $H_m$ と表記され、イテレーション/秒（it/s）で定量化されます。これは、マイナーのハードウェアが1秒間に実行できる計算操作の数を反映しています。しかし、高品質なソリューションに焦点を当て続けることを確実にするために、有効なソリューションを見つける確率を表す効率係数 $E$ が導入されています。Qubicにおけるマイニングは適応的かつ相対的です。ソリューションが見つかる可能性は、計算タスクの複雑さに関係なく、マイナー間で一様にスケールします。これにより、以下が保証されます：

• 公平性の維持: ハードウェアの複雑さに関わらず、すべてのマイナーが比例した課題に直面します。
• ランキングの安定維持: Computor（およびマイナーの貢献）の相対的なランキングは、タスクの複雑さに影響されません。

計算タスクがより困難になった場合、すべての参加者に対して「最小スコア」（ソリューション提出率）が等しく低下します。しかし、相対的なランキングと報酬の配分は一貫性を保ち、公平性と参加を促します。この適応型モデルは、意味のあるAIの成果を推進しながら、公平な競争条件を確保します。

ソリューション提出率は、マイナーの有効な出力と計算効率を反映します。これは次のように計算されます：

Srate = Hm × E

ここで：

• Srate = 1秒間に提出される有効なソリューション。
• Hm = マイナーのハッシュレート（イテレーション/秒）。
• E = 効率係数（1イテレーションあたりの有効なソリューション）。

この指標は、PoWシステムで一般的であるような単なる生のハッシュレートの最大化ではなく、計算タスクに貢献するためにハードウェアとアルゴリズムを最適化することをマイナーに促します。PoWのエネルギー効率に関する研究では、より高い処理速度と最適なハードウェアおよびアルゴリズムの組み合わせが、有効なソリューションの提出率を高め、それがネットワークへのより大きな貢献と個々のマイナーの成功につながることが示されています（Beiko, 2021; Zolfagharinejad et al., 2024）。

UPoWの運用的ダイナミクス (Operational Dynamics of UPoW)
UPoWを通じて、Qubicはマイナーが具体的な成果を伴う計算タスクを完了するように促します。これは、計算努力が任意の暗号パズルの解決に費やされる従来のPoWシステムとは対照的です。UPoWは、マイニング活動をQubicのAGI開発目標に合わせることで、具体的な価値を提供します。このモデルはエネルギー効率を高め、AIの進歩を促進します。UPoWの主な側面は以下の通りです：

• 目的を持った計算: マイナーはAIモデルのトレーニングと最適化に貢献し、消費されたエネルギーがAIの研究開発における意味のある成果を直接サポートすることを保証します。
• インセンティブの整合: 有用なタスクを優先し、さまざまな複雑さにわたって公平性を維持することで、QubicはそのマイニングモデルがブロックチェーンエコシステムとAGI開発の両方を前進させることを保証します。
• 包括性とアクセシビリティ: 汎用CPUを含む多様なハードウェアに適したタスクにすることで、UPoWはマイナーの参入障壁を下げ、分散化を促進し、ハードウェアの独占リスクを軽減します。
• エネルギー効率: 計算力を生産的なタスクに振り向けることで、従来のPoWマイニングに関連する環境への影響を緩和します。

マイナーがネットワークの安全性を確保するPoWとは異なり、Qubicはこれを達成するためにクォーラムコンセンサスメカニズムを使用します。これにより、QubicのUPoWモデルは、マイナーがブロックチェーンの安全を確保する必要なしに、マイニングをAIのより広い分野に利益をもたらすプロセスへと変えることができます。マイナーはAigarthを通じてAGIの進歩に積極的に貢献しています。

このアプローチは、マイニングへの参加増加がネットワークの計算能力を高め、より迅速なAI開発につながるという正のフィードバックループを生み出します。その結果、AGIの進歩はネットワーク機能を向上させ、Qubicエコシステム内でのイノベーションの新しい道を切り開くことができます。

UPoWモデルとその運用的ダイナミクスを洗練させることで、このセクションは、Qubicがいかに効果的にブロックチェーンのセキュリティを意味のある計算作業と統合しているかを強調しています。UPoWメカニズムは、従来のマイニングの非効率性に対処するだけでなく、マイナーの参加を戦略的に活用してAGI開発を前進させ、個人のインセンティブを集団の進歩と一致させています。

Qubicの有用なプルーフ・オブ・ワークは、単に計算力を競う競争ではなく、「知的なレンガを積み上げてAGIという大聖堂を建てる共同作業」のようなものです。