วันศุกร์ที่แล้ว,RVNการประชุมทีมอย่างเป็นทางการจัดขึ้นตามกำหนดการ ในการประชุม สมาชิกในทีมหารือเกี่ยวกับ "อัลกอริทึม anti-ASIC ใหม่" บทความนี้รวมความคิดเห็นของสมาชิกในชุมชนและวิเคราะห์และเปรียบเทียบผลประโยชน์ก่อนและหลังอัลกอริทึม บทความนี้แปลและเรียบเรียงโดย Mine Vision (Miracle Moore) หากคุณต้องการพิมพ์ซ้ำโปรดระบุแหล่งที่มา

(1) การอภิปรายเล็กน้อยเกี่ยวกับ "อัลกอริทึม Anti-ASIC ใหม่"

Tron ผู้พัฒนาหลักของ RVN อ้างว่าเขาได้อ่านบทความเกี่ยวกับ X1MT แล้ว บทความนี้เขียนโดย whitefire990 เกี่ยวกับคำแนะนำสำหรับอัลกอริธึมต่อต้าน ASIC และ Tron ยังกล่าวด้วยว่าบทความนี้ได้รับการวิจัยอย่างละเอียดและวิเคราะห์สาเหตุที่ ASIC ยากที่จะแก้ไข

แต่ในขณะเดียวกัน Tron ยังกังวลเกี่ยวกับคุณสมบัติของอัลกอริทึมเมล็ดซึ่งมีประโยชน์มากกว่าในการหลอก ASIC เนื่องจากจะเพิ่มเวลาที่จำเป็นสำหรับการขุดบล็อค PlayHard ยังชี้ให้เห็นว่าแม้ว่าเอกสารประกอบจะยอดเยี่ยม แต่ก็ไม่มีการกล่าวถึงการใช้พลังงานและการคำนวณที่จำเป็น

ผู้เขียน Whitefire990 อธิบายว่าบทความนี้กำลังผลักดันตัวแปร X1MT ที่มีอัตราแฮชคงที่ต่อบล็อกและต้องการการแทะเพียงหนึ่งหรือสองครั้งในส่วนหัวของบล็อก เขายังกล่าวด้วยว่าถ้าใครไม่ชอบรูปแบบต่างๆ ที่แนะนำ พวกเขาก็อาจโพสต์บทความเองได้เช่นกัน

ด้านล่างนี้เราได้รวบรวมมุมมองของชุมชน RVN บางส่วนบนเอกสารและการเปรียบเทียบข้อมูลที่ใช้สนับสนุนมุมมองดังกล่าว

(2) ความเห็นส่วนตัว

01 หน้าแรกของอัลกอริทึมต่อต้าน ASIC ระยะยาว

ฉันเข้าร่วมในช่องอัลกอริทึมที่สร้างขึ้นเมื่อเร็ว ๆ นี้และคอยสังเกตการอภิปรายเกี่ยวกับวิธีการต่อต้าน ASIC แม้ว่าฉันจะวิเคราะห์ blockchain และ cryptocurrencies แบบไม่เป็นมืออาชีพมาเป็นเวลาห้าปี แต่ฉันก็สามารถเข้าใจการออกแบบและทิศทางของแนวทางข้อเสนอระดับมืออาชีพแต่ละข้อได้ วิธีหนึ่งคือวิธี X1MT ที่กล่าวถึงในการประชุมครั้งนี้

จุดประสงค์ของบทความของ Whitefire990 คือการทำความเข้าใจX16ข้อ จำกัด ของอัลกอริทึม R-style และแสดงความหวังว่าบทความนี้จะสร้างแรงบันดาลใจให้กับแนวคิดใหม่ ๆ หรืออาจบรรจุแนวคิดอื่น ๆ ใหม่ในรูปแบบต่างๆ

ณ จุดนี้ ผมจะข้ามบทความของ Whitefire990 ไปก่อน ผมไม่คิดว่าจะมีคนอ่านเยอะ ดังนั้น ผมจะสรุปในแบบของผม อาจจะยาวหน่อย แต่รู้ไหมว่าการเรียนรู้และวิเคราะห์สิ่งใหม่ๆ ทุกครั้งนั้นต้องใช้พลังงานและเวลาอย่างมาก และผมยินดีที่จะทำหน้าที่เป็นสะพานเชื่อมไปยังชุมชน

02 การบันทึก GPU ส่วนตัวในสนามรบ Anti-ASIC

จุดประสงค์ของบทความโดย Whitefire990 คือการรักษารูปแบบและจิตวิญญาณแบบเดียวกับอัลกอริทึม X16R ในขณะที่แปลงโดยไม่ต้องพัฒนาอัลกอริทึมใหม่ทั้งหมด นอกจากนี้ ประสิทธิภาพของโครงร่างอัลกอริทึมใหม่ยังเปรียบเทียบกับ 28nm ASIC และ 1080i GPU ของอัลกอริทึม X11

03 อัตราส่วนกำไรก่อนและหลังการใช้อัลกอริทึม X16S กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

อย่างแรก มีอัลกอริทึมแบบเลือกได้ 16 แบบใน X16S S ตามมาด้วยอัลกอริทึมฐาน 16 ที่แสดงรายการลำดับ แต่ลำดับการแสดงรายการอัลกอริทึมใหม่จะถูกสุ่มในแต่ละการสร้างบล็อก กล่าวโดยย่อ ลำดับของรายการอัลกอริทึมนั้นถูกกำหนดไว้ในการออกแบบพื้นฐาน แต่ลำดับของรายการอัลกอริทึมจาก N บล็อกถึง N+15 บล็อกนั้นเป็นแบบสุ่ม ผลการจำลองมีดังนี้ ก่อนใช้อัลกอริทึม X16S อัตราส่วนราคา/ประสิทธิภาพของ ASIC อยู่ที่ประมาณ 175 เท่าของหลังใช้อัลกอริทึม

04 อัตราส่วนรายได้ก่อนและหลังการใช้อัลกอริทึม X16R กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

ครั้งนี้เป็นการจำลองแนวต้าน ASIC ของ X16R ซึ่งรับผิดชอบแนวต้าน ASIC ของ RVN ก่อนวันที่ 1 ตุลาคม 2019 แตกต่างจาก X16S ที่อธิบายไว้ก่อนหน้านี้ ลำดับรายการอัลกอริทึมจะเปลี่ยนไปสำหรับการสร้างบล็อกและการออกแบบพื้นฐานแต่ละครั้ง

เมื่อมองแวบแรกอาจดูเหมือนว่าค่าความต้านทาน ASIC นั้นสูงกว่ามากเนื่องจากวิธี S นั้นสุ่มมากกว่าวิธี R แต่ไม่ใช่ในกรณีนี้ เหตุผลคือลำดับที่เลือกบล็อก นั่นคือ หลังจากตรวจสอบลำดับสุ่มของอัลกอริทึมการสร้าง 100 ล้านครั้งในแต่ละครั้งที่สร้างบล็อก หนึ่งใน 16 อัลกอริทึมจะถูกทำซ้ำอย่างต่อเนื่อง เป็นเรื่องที่ควรค่าแก่การกล่าวถึงอย่างยิ่งว่าความน่าจะเป็นที่จะทำซ้ำอัลกอริทึม 5 ครั้งติดต่อกันนั้นมีเพียง 4.3% และความน่าจะเป็นที่จะทำซ้ำมากกว่า 6 ครั้งติดต่อกันนั้นเข้าใกล้ศูนย์

ดังนั้น ประสิทธิภาพที่เพิ่มขึ้นของการออกแบบชิปด้วยกลยุทธ์ "เลือกและโฟกัส" จากฝ่ายผู้ผลิต ASIC เพื่อแยกอัลกอริทึมเฉพาะที่สามารถทำซ้ำได้มากกว่าสี่ครั้งติดต่อกันจึงไม่สามารถละเลยได้ ด้วยเหตุนี้ อัตราส่วนราคา/ประสิทธิภาพของ ASIC ก่อนใช้อัลกอริทึม X16R จึงอยู่ที่ประมาณ 81 เท่าของหลังใช้

05 อัตราส่วนกำไรก่อนและหลังการใช้อัลกอริทึม X16RF กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

X16RF ได้รับการออกแบบมาเพื่อจัดการกับความน่าจะเป็นในการทำซ้ำต่ำของอัลกอริทึมเฉพาะที่แสดงใน X16R โดยเพิ่มความต่อเนื่องของอัลกอริทึมเฉพาะโดยการแยกตัวเลขสี่หลักเพิ่มเติมจากส่วนหัวของบล็อก ผลลัพธ์แสดงว่าความน่าจะเป็นของอัลกอริทึมปรากฏขึ้น 12 ครั้งติดต่อกันเพิ่มขึ้นเป็นประมาณ 8.6% ด้วยเหตุนี้ ประสิทธิภาพของราคา ASIC ก่อนใช้อัลกอริทึม X16RF จึงสูงกว่าหลังใช้อัลกอริทึม X16RF ประมาณ 27 เท่า

06 อัตราส่วนกำไรก่อนและหลังการใช้อัลกอริทึม X1632RF กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

อัลกอริทึม X1632RF คล้ายกับ X16RF แต่มีความแตกต่างในจำนวนของอัลกอริทึมที่สามารถเลือกได้ระหว่างการสร้างบล็อก (หนึ่งสามารถเลือกได้มากกว่า 16 อัลกอริทึม) ในความเป็นจริง ความซับซ้อนของการออกแบบ ASIC จะสูงขึ้นเรื่อย ๆ ดังนั้นอัตราส่วนราคาต่อประสิทธิภาพของ ASIC ก่อนใช้อัลกอริทึม X1632RF จึงอยู่ที่ประมาณ 13.4 เท่าหลังจากใช้

07 อัตราส่วนกำไรก่อนและหลังการใช้อัลกอริทึม X20RVS กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

X20RVS มีอัลกอริทึมทางเลือก 20 รายการ และลำดับอัลกอริทึมจะเปลี่ยนแปลงทุกครั้งที่มีการสร้างบล็อก VS ย่อมาจาก Variable Sbox และจุดประสงค์คือเพื่อเพิ่มความซับซ้อน ซึ่งเป็นสิ่งที่ GPU ไม่ชอบมาโดยตลอด เนื่องจากความสามารถในการทำกำไรของ ASIC นั้นสูงกว่า X20RVS GPU ถึง 65.1 เท่า ซึ่งไม่แตกต่างจาก X16R มากนัก แต่อัตราส่วนราคา/ประสิทธิภาพของ ASIC และ FPGA นั้นลดลงอย่างมากประมาณสองเท่า

08 อัตราส่วนกำไรก่อนและหลังการใช้อัลกอริทึม X1MT กับฮาร์ดแวร์แต่ละตัวในสภาพแวดล้อม ASIC

บทวิจารณ์ล่าสุดเกี่ยวกับอัลกอริทึม X1MT รวมถึงการแปลหน่วยความจำ (MT) ตามที่เราทราบจากชื่อ ผลลัพธ์ที่คาดหวังของอัลกอริทึมนี้มีดังต่อไปนี้

① รักษาอัตราส่วนราคา/ประสิทธิภาพเกือบใกล้เคียงกันสำหรับ GPU และ FPGA

②มีค่าความต้านทาน ASIC สูงสุดที่แนะนำโดยตัวแปรใดๆ

③ สามารถปรับเทียบได้เพื่อความสมดุลและเสถียรภาพของพลังการประมวลผลของเครือข่ายทั้งหมดระหว่างบล็อก ทำให้อัลกอริธึมการปรับความยากง่ายขึ้นเพื่อรักษาบล็อก 60 วินาที

เป็นที่น่าสังเกตว่าการแปลงหน่วยความจำไม่ส่งผลกระทบต่อพลังการประมวลผล GPU หรือ FPGA เลย แต่ทำให้ ASIC ลดประสิทธิภาพลงอย่างมาก ผลการจำลองแสดงให้เห็นว่าก่อนการประยุกต์ใช้อัลกอริทึม X1MT-16 อัตราส่วนประสิทธิภาพต่อประสิทธิภาพของ ASIC อยู่ที่ประมาณ 7.7 เท่าของหลังการประยุกต์ใช้ แต่สูงกว่าเพียง 2 ถึง 5 เท่าเมื่อเทียบกับ FPGA

FYI ราคา/ประสิทธิภาพ ASIC ก่อนใช้อัลกอริทึม X1MT-32 นั้นประมาณ 3.5 เท่าของราคาหลังจากใช้ เมื่อเทียบกับ FPGA แล้ว อัตราส่วนราคา/ประสิทธิภาพไม่แตกต่างกันมากนัก

Whitefire990 กล่าวในตอนท้ายของบทความว่า X1MT-16 ใช้ฟังก์ชันแฮชแบบเดียวกับ X16R และโปรแกรมเมอร์ GPU เพียงต้องการใช้ขั้นตอนการสร้าง scratchpad และการแปลหน่วยความจำ ซึ่งอาจใช้เวลา 3 วัน

ขั้นตอนเดียวกันนี้จำเป็นสำหรับ X1MT-32 รวมถึงการใช้งาน M6 และ HAMSI-256 โดยไม่ต้องมีรหัส GPU สำหรับขั้นตอนนี้

นอกจากนี้ X1MT-32 ยังต้องการ "การตัดและวาง" จากซอฟต์แวร์การขุด GPU อื่นๆ เช่น Nexus และ Sinovate เพื่อรวบรวมฟังก์ชันการทำงานที่เหลือ นอกจากนี้ยังอาจต้องใช้โปรแกรมเมอร์ GPU ที่ดีเป็นเวลาหนึ่งสัปดาห์เต็มเพื่อให้ X1MT-32 ทำงานได้

สิ่งที่เขาพูดอย่างง่าย ๆ คือแทบไม่มีวิธีการต่อต้าน ASIC ที่สมบูรณ์แบบ ในความคิดของฉัน ASIC เป็นอีกรุ่นหนึ่งที่สามารถเอาชนะ ASIC ได้ อย่างไรก็ตาม ทีมพัฒนา RVN ได้ออกแบบอัลกอริทึมใหม่ X16R เพื่อให้การขุด RVN ง่ายขึ้นตั้งแต่ต้น และยังคงทำงานอย่างหนักเพื่อรักษาการกระจายการขุด RVN ข้อเสนอที่เราได้ตรวจสอบก็เป็นหนึ่งในผลลัพธ์เช่นกัน เราหวังว่าแนวทางต่อต้าน ASIC ที่ยั่งยืนสำหรับ RVN จะเกิดขึ้นในวันหนึ่ง และชุมชนของเราจะสนับสนุนวิสัยทัศน์นี้ต่อไป

แปลและพิสูจน์อักษร: มีปลา

——–END——–