机构名称：
¥ 1.0
机器学习和人工智能 公司三个机器学习 (ML) 小组中的两个小组在开发公司前两种基于知识的算法（在公司 2022 年 5 月 23 日的 RNS 中描述为方法“A”和方法“B”）方面取得了首批成果，这些成果涉及用于 BTC 挖矿的原型专有软件加速器，目前已准备好进行密集测试。通过在当前 BTC 提取难度级别下进行测试来验证方法 A 和方法 B 的计算要求非常具有挑战性。公司并未排除使用超级计算机进行此类测试的可能性，但短期内更务实的方法是基于使用现有的市场可用 ASIC 矿机。公司已经收购了一些 ASIC 矿机，目的是用 QBT 自己的基于方法 B 的专有软件取代 ASIC 矿机上的控制软件。公司将收购更多矿机，以测试方法 A 和方法 B 在当前挖矿难度下的性能。到目前为止，基于两种不同的组合 ML 方法的方法 B 已经取得了有趣的初步实验室结果，表明与现有的基于 ASIC 芯片的商用 BTC 矿机相比，其统计性能提高了 30%。也就是说，无论矿机使用的 ASIC 芯片的性能如何，公司的专有软件在统计上仍可将挖矿速度提高 30%，同时不会影响矿机的功耗。如果方法“A”和/或方法“B”算法的性能得到确认，目标是在现有的商用矿机上运行它们，以提高其性能，如上所述，方法是用 QBT 自己的控制软件替换原生控制软件。根据目前的测试数据，我们预计挖矿设备的整体性能将立即得到改善，而无需任何额外的硬件投资。为了确保这种方法的成功，公司还在努力修改矿机操作系统的控制软件。
2022 年 11 月 15 日 量子区块链......
主要关键词
相关文件推荐
![]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]，3 月 11 日星期二......](/simg/3/3bce187fc3200455d5aba0e68e59e409af199c11.webp)
