DAOrayaki DAO 리서치 보너스 풀:

펀딩 주소: 0xCd7da526f5C943126fa9E6f63b7774fA89E88d71

투표 진행: DAO 위원회 3/7 통과

총 현상금: 100USDC

보조 제목

DAOrayaki DAO 리서치 보너스 풀:

펀딩 주소: 0xCd7da526f5C943126fa9E6f63b7774fA89E88d71

투표 진행: DAO 위원회 3/7 통과

총 현상금: 100USDC

원작자: 블록사이언스

기여자: Natalie, DAOctor @DAOrayaki

원본: ARM(Automated Regression Markets) 소개: 반 대체 가능 자산을 위한 새로운 가격 발견 메커니즘

BlockScience는 고차원의 준대체 가능한 자산에 대한 새로운 가격 발견 메커니즘을 연구 및 개발하고 있습니다. ARM(Automatic Regressive Market)으로 알려진 이 메커니즘은 다양한 시장에서 여러 가지 잠재적인 응용 프로그램을 가지고 있습니다. 우리의 첫 번째 탐구는 재생 가능 에너지 크레딧(REC) 및 탄소 상쇄/제거 크레딧(CORC)과 같은 지속 가능한 가치 에너지 시장의 사용 사례를 탐구할 것입니다. ) 시장.

Hedera Hashgraph 및 HBAR Foundation의 DLT 업계 리더와 협력하여 Energy Credit ARM을 모델링하고 시뮬레이션하는 연구 프로젝트를 진행하고 있습니다. 우리는 주니어 마켓 메이커의 가격 발견 가능성과 여러 속성을 가진 자산의 공급 및 수요 행동을 조사할 것입니다. 이 공동 R&D 노력에 대한 일련의 기사 중 첫 번째 기사입니다.

보조 제목

우리 논문 "A Practical Theory of Fungibility"에서 우리는 자동 회귀 시장(ARM)의 개념을 소개했습니다. ARM의 아이디어는 기계 학습(ML) 모델과 자동 시장 조성자(AMM) 간의 수학적 유사성을 활용하여 비상품 자산에 대한 동적 가격 발견을 제공하는 것입니다. 상품은 평가된 가치와 수요에 영향을 미치는 속성이 동등한 객체 집합입니다. 요컨대, 상품은 교환 가능합니다. 이 개념은 대체 가능한 자산을 풀링하고 알고리즘 곡선을 기반으로 가격을 발견하는 기존 AMM 작동 방식의 핵심입니다. ¹

ARM은 AMM을 넘어 확장되어 주요 시장 ARM에서 사고 팔 수 있는 다른 속성을 가진 에너지 크레딧 또는 탄소 상쇄/제거와 같은 반 대체 자산을 허용합니다. 이는 (에너지 신용의 경우) 에너지 생산 유형, 지리적 위치 등과 같은 속성의 매우 복잡한 배열에 대한 효율적인 가격 발견을 제공합니다.

이 작업에서 가장 중요한 관찰 중 하나는 두 항목의 대체 가능성이 제공된 이러한 항목의 속성과 평가되는 컨텍스트에 따라 달라진다는 것입니다. 이 관찰은 비상품(또는 "부분적으로 대체 가능한", 아래 참조) 상품으로 구성된 시장의 수요와 공급을 더 잘 이해하는 데 도움이 됩니다.

항목 속성은 공급자를 특징짓고 속성이 다른 경우 항목을 구별할 수 있다고 합니다. 프로젝트 속성이 평가되는 컨텍스트는 수요 측면을 특징짓습니다. 상품 속성의 차이가 상품 평가 및 해당 상품에 대한 수요에 영향을 미치지 않는 경우 상품은 특정 수요 환경에서 대체 가능하다고 합니다. 일부 대체 가능한 상품의 대체 가능성은 수요 환경에 따라 다릅니다. 예를 들어 기업이 미국 태평양 북서부에서 생산된 태양광 크레딧을 구매하려는 경우 구매자는 아시아에서 생산된 크레딧을 대체할 수 없는 자산을 원했습니다. 생산 위치 또는 생산 유형과 같은 속성으로 자산을 식별하는 기능은 많은 구매자에게 필요할 뿐만 아니라 해당 자산의 평가에 큰 영향을 미칠 수 있습니다.

플롯은 시뮬레이션된 속성의 처음 두 주성분 분포의 산점도 및 히스토그램을 나타냅니다. 자동 회귀 마켓플레이스는 적응형 하위 공간 감지 및 재귀 회귀를 활용하여 어떤 속성 조합이 가치가 있는지 동적으로 (재)발견합니다.

준동차적 가격발견의 기존 사례

언뜻 보기에 부분적으로 대체 가능한 비상품을 사고팔 수 있는 시장의 자동화는 터무니없어 보일 수 있습니다. 그러나 산업계와 학계2 모두에서 시장과 ML 간의 융합이 우선시됩니다. 주택 시장은 비교적 자연스럽게 준동질 상품 범주에 속합니다. 주택은 모두 구별 가능하지만 속성이 충분히 유사하면 대체 가능한 것으로 간주될 수 있습니다(구매 전 - 소유권이 대체 가능성에 영향을 미침). 이러한 이유로 온라인 부동산 마켓플레이스 제공업체인 Zillow는 구매 결정을 내리기 위해 AI 애플리케이션인 "Zestimate"에 점점 더 의존할 가능성이 높습니다.

Zestimate는 캠페인에서 학습하고 생성할 수 있는 하이브리드 인텔리전스의 첫 번째 사례 중 하나일 수 있지만 모델 실행의 특성을 관찰하는 것이 중요합니다. Zillow는 Zestimate를 기반으로 주택 견적을 제공하기 시작했으며 이는 자연스럽게 시장에 영향을 미칠 것입니다. 그러나 Zestimate는 주택 가격을 추정하는 것 이상으로 주택 가치에 대한 구매자와 판매자의 믿음에 영향을 주어 가격을 생성합니다. 이런 식으로 Zillow가 견적을 기반으로 주택 구매 사업을 시작하기 전부터 Zestimate는 시장 조성자 역할을 해왔습니다.

이러한 기술의 혁신적 잠재력은 엄청나지만 기계 학습 역학을 시장에 도입할 때 잠재적인 의도하지 않은 결과뿐만 아니라 가능한 체계적 및 2차 효과를 고려하는 것이 항상 중요합니다. 이 문제의 학문적 측면에서 선도적인 AI 연구원인 Michael I. Jordan은 추천 엔진과 시장 간의 시너지 효과에 대한 그림을 그립니다. 특히 그는 추천 엔진을 희소한 자원에 순진하게 적용함으로써 발생하는 폐해를 지적합니다. 예를 들어, 많은 쇼핑객에게 공급이 제한된 품목을 추천하는 것은 일부 구매자보다 대안이 되거나 심지어 우월할 수 있는 품목에 대한 수요를 인위적으로 부풀립니다. 마찬가지로 많은 운전자에게 저대역폭 단축키를 권장하는 내비게이션 앱은 심각한 혼잡을 유발할 수 있습니다.

AI 알고리즘의 본질은 풍부한 정보를 간결한 형태로 압축하는 것이지만 시장은 광범위한 구매자 기반의 이질성을 이용하기 때문에 오히려 풍부한 정보의 생성자입니다. AI 알고리즘이 시스템을 지배하도록 허용되면 강력한 추천 엔진이 제품 다양성을 감소시키고 소비자 선택권 상실로 인해 소비자로부터 선호도 정보를 이끌어내는 시장의 능력이 감소하므로 시스템은 구식이 될 것입니다. 엔지니어링 프로세스 중에 엄격한 테스트 및 설계 검증을 통해 더 나은 시스템을 만들 수 있습니다.

ARM 클래스 및 인스턴스

ARM 모델에 대한 작업을 계속하면서 목표를 명확히 해야 합니다. 우리의 목표는 기계 학습의 압축력과 시장의 발견력의 균형을 유지하여 새로운 형태의 고차원 에너지 시장(다른 사용 사례 중에서)을 촉진하는 것입니다. 대체 가능성 문서에서 언급했듯이 이것은 온라인 학습의 맥락에서 공식적으로 가장 잘 이해됩니다. 추정자로서의 경제 게임 및 신탁으로서의 CFMM(상수 함수 시장 조성자)에 대한 우리의 작업은 특정 유형의 지능형 알고리즘 가격 책정 모델이 시장이 상품 및 서비스 가격을 책정하는 방법을 학습하는 신호 처리 작업으로 해석될 수 있음을 보여줍니다(이 경우 상품) - "상황별 상품".

ARM R&D가 앞으로 나아가려면 각 "인스턴스"가 특정 도메인에 맞는 "클래스"로 생각해야 합니다. 기계 학습에서 여기에는 모델 선택, 기능 엔지니어링, 메타 매개변수 최적화, 앙상블 및 특정 모델을 특정 문제 도메인에 맞추기 위해 데이터 과학자가 적용하는 기타 사용자 지정이 포함됩니다. AMM의 경우 여기에는 Uniswap, Balancer, Curve 등과 같은 특정 디자인 패턴을 선택하는 것이 포함됩니다. 이러한 서로 다른 CFMM은 서로 다른 근본적인 수학적 불변성을 특징으로 합니다. 그러나 AMM 클래스를 선택한 후에도 자체 자산 및 수수료 및 가중치와 같은 기타 메타 매개변수가 있는 고유한 인스턴스가 있습니다.

이 클래스/인스턴스 관계는 ARM 연구의 최첨단 확장이라는 점을 인정해야 합니다. ML과 유사하기 때문에 ARM 개발 및 유지 관리의 어려움은 모델이 합성하는 정보에 따라 크게 달라질 수 있습니다. BlockScience는 Hedera Hashgraph 및 HBAR Foundation의 Sustainability Initiative와 협력하여 특히 에너지 신용 시장을 위한 ARM 인스턴스를 설계하고 있습니다. 에너지 신용 자산은 여러 속성을 가진 프로젝트에 좋은 사용 사례를 제공하고 가치는 상황에 따라 큰 영향을 미치기 때문입니다.

속성별 ML 데이터 클러스터링의 예입니다. ARM에서 이와 같은 클러스터는 재생 가능 에너지 신용 속성을 나타낼 수 있으며 준 대체 가능 자산에 대한 공급 및 수요 환경의 "일치"를 용이하게 하는 데 사용될 수 있습니다. (출처: https://en.wikipedia.org/wiki/Cluster_analysis)

보조 제목

에너지 및 탄소 시장이 ARM의 훌륭한 사용 사례인 이유

현재 구별할 수 없는 에너지 크레딧은 투명성과 감사 가능성이 거의 없이 대량으로 매매되고 있습니다. 재생 에너지 시장은 또한 매우 인위적이며 중개인이 거래하는 탄소 상쇄/제거 크레딧과 재생 에너지 크레딧은 매우 다른 맥락을 가질 수 있습니다. 이러한 자산은 상품(대체 가능)으로 거래되지만 실제로 시장에서의 가치는 에너지가 생산되는 장소와 방법, 생산 수단, 사용되는 장비의 수량과 품질, 특성 및 방법에 따라 크게 달라질 수 있습니다. 이러한 속성은 다른 컨텍스트에서 평가됩니다.

ARM을 사용하면 시장 또는 수요 측면에서 이러한 반동질 자산에 대해 다른 가격을 지시할 수 있으므로 이러한 자산을 보다 세분화할 수 있습니다. 에너지 자산 구매자는 공급 측면에서 더 많은 정보와 가시성을 필요로 하며 종종 다른 관할권의 법적 요구 사항을 기반으로 합니다. 이러한 시장에 참여하는 사람들은 요구 사항을 충족하면서 구매력을 행사하기 위해 어떤 부동산이 가장 인기 있고 어떤 부동산이 더 일반적인지 이해하기를 원합니다.

ARM에서 반 대체 가능한 상품(다양한 속성의 "번들")은 시장 상황과 생산 상황에 따라 가중치가 다릅니다. 이것은 시장이 공급과 수요 매개변수 사이에서 일치하도록 더 나은 정보를 제공할 것입니다. 즉, 보다 효율적인 시장입니다. 또한 이 기능은 공공 원장에서 에너지 및 탄소 배출권을 발견하고 검증을 통해 감사 가능한 출처에 연결하여 가치를 제공할 수 있습니다.

CORC 또는 REC가 고유하고 온체인에서 탄소 상쇄/제거를 나타내거나 오프체인에서 생성된 에너지 자산을 나타내는 것은 이 시장 혁신의 매우 중요한 측면입니다. Hedera 생태계와 HBAR 재단의 지속 가능성 이니셔티브의 핵심 부분은 에너지 자산의 속성을 검증하는 완전 감사 가능한 솔루션인 Guardian입니다. Guardian3는 탈중앙화된 신원, 정책 중심 조치, 공정한 거래 순서를 포함하여 오프체인 데이터에 대한 품질 증명을 제공합니다. 이러한 속성은 공급과 수요를 혼동하는 자산의 이중 계산과 같이 잘 알려진 데이터 품질 문제를 제거하는 수단을 제공하며 ARM을 사용하는 CORC 및 REC 자동화의 연구 개발의 핵심이 될 것입니다.

ARMing 에너지 시장의 잠재적 이점 및 글로벌 영향

전 세계 서비스로서의 에너지 시장 규모는 2026년까지 미화 1,066억 달러를 초과할 것으로 예상되며 CORC 및 REC의 중요성이 커짐에 따라 이러한 시장은 혁신에 무르익었습니다. ARM 메커니즘은 에너지 신용 시장에 큰 영향을 미칠 수 있으며 자동화된 시장 조성자의 기술을 온체인으로 표현되는 실제 가변 자산과 연결하여 새로운 가능성의 세계를 열 수 있습니다.

ARM은 자동화를 제공하고, 에너지 시장 및 거래의 대규모 확장 및 확장을 허용하고, 시장 개발을 가속화하고, 선물 시장에 대한 잠재력을 제공할 수 있습니다. 또한 개인, 소규모 에너지 생산자 또는 협동조합의 경우 분산된 발전 네트워크를 보다 쉽게 ​​통합하여 자금 조달에 대한 대가로 담보 또는 토큰화된 자산을 제공할 수 있으므로 비용을 줄일 수 있습니다. 보다 효율적이고 확장되는 시장과 에너지 생산 및 특성에 대한 가시성이 높아지면 시장에서 요구하는 더 높거나 더 가치 있는 표준 또는 표준을 충족하는 인프라를 개선하고 투자할 인센티브가 더 커질 것입니다. 현지화에 대한 더 큰 가시성은 또한 더 큰 시장으로 추출되기보다는 이러한 경계 내에서 현지 생산의 가치를 유지할 수 있습니다.

그러나 모든 기술이나 혁신과 마찬가지로 미지의 파급 효과가 많이 있습니다. 모든 새로운 프론티어는 의도하지 않은 결과의 가능성과 새로운 시장 메커니즘의 시스템적 영향을 가져옵니다. 앞서 언급했듯이 우리의 목표는 ML의 압축력과 시장의 발견력 사이에서 균형을 맞추는 것입니다. 엔지니어로서 항상 디자인 절충안이 있습니다. 이것이 바로 모델링 및 시뮬레이션 작업이 매우 중요한 이유이며 복잡한 시스템 설계를 최적화하기 위해 cadCAD를 사용하는 이유입니다.

기계 학습을 사용한 고차원 공간 시각화(출처: https://www.youtube.com/watch?v=wvsE8jm1GzE )

보조 제목

cadCAD로 ARM 모델링

cadCAD(Complex Adaptive Dynamics Computer Aided Design의 약자)는 컴퓨터를 사용하여 복잡한 시스템을 연구, 검증 및 설계하기 위한 오픈 소스 모델링 프레임워크입니다. 이것은 개인이나 조직이 의도한 목표를 달성하기 위해 복잡한 시스템을 수정하거나 상호 작용하는 최선의 방법에 대해 정보에 입각한 충분한 테스트를 거친 결정을 내리는 데 도움이 됩니다.

2) 예를 들어 적들이 팔 수 없는 에너지 크레딧으로 ARM을 범람시켜 단순히 ARM을 파산시킬 수 없도록 회계 규칙을 시행합니다.

인용하다

동시에 Hedera 생태계는 실제 행동에 대한 온체인 클레임을 검증하기 위해 최근 오픈 소스인 Guardian과 같은 Hedera 공개 원장에서 ARM을 배포하고 비즈니스 로직 및 회계를 실행하는 데 필요한 핵심 애플리케이션 로직을 개발하고 있습니다.

Energy Credit ARM의 배포를 지원하기 위한 기술 요구 사항을 개발하는 동안 얻은 결과는 인프라에서 광범위한 부분 대안, 양면 시장 응용 프로그램으로 일반화됩니다. Hedera 에코시스템은 완전한 맞춤형 ARM 인스턴스 배포에 중점을 둘 뿐만 아니라 인프라를 위한 ARM 애플리케이션 디자인 패턴도 생성합니다. 이를 통해 애플리케이션은 ARM 설계의 데이터 과학 측면에 집중하고 시장 설계를 Hedera 네트워크의 배포 및 구현에 맡길 수 있습니다.

//www.youtube.com/watch?v=842acSWmBC4&t=1093s

앞으로 ARM이 "학습"하고 작동하는 방법에 대한 통찰력을 얻기 위해 2차 효과, 시스템 수준 인센티브 및 메커니즘의 기타 기본 매개변수와 같은 주제를 조사할 수 있습니다.

2. Oladunni,보조 제목

Shorish,인용하다

3. https://github.com/hashgraph/guardian