กลุ่มโบนัสการวิจัย DAOrayaki DAO:

ที่อยู่สำหรับเงินทุน: 0xCd7da526f5C943126fa9E6f63b7774fA89E88d71

ความคืบหน้าการลงคะแนน คณะกรรมการ อพท. 3/7 ผ่านไป

ค่าหัวทั้งหมด: 100USDC

ชื่อเรื่องรอง

กลุ่มโบนัสการวิจัย DAOrayaki DAO:

ที่อยู่สำหรับเงินทุน: 0xCd7da526f5C943126fa9E6f63b7774fA89E88d71

ความคืบหน้าการลงคะแนน คณะกรรมการ อพท. 3/7 ผ่านไป

ค่าหัวทั้งหมด: 100USDC

ผู้เขียนต้นฉบับ: BlockScience

ผู้ร่วมให้ข้อมูล: นาตาลี DAOCtor @DAOrayaki

ต้นฉบับ: ขอแนะนำ Automated Regression Markets (ARMs): กลไกการค้นหาราคาใหม่สำหรับสินทรัพย์กึ่งทุน

BlockScience กำลังวิจัยและพัฒนากลไกการค้นหาราคาแบบใหม่สำหรับสินทรัพย์กึ่งเปลี่ยนรูปแบบที่มีมิติสูง กลไกนี้เรียกว่า Automatic Regressive Market (ARM) มีการใช้งานที่มีศักยภาพหลายอย่างในตลาดต่างๆ การสำรวจครั้งแรกของเราจะเจาะลึกกรณีการใช้งานสำหรับตลาดพลังงานที่มีมูลค่าอย่างยั่งยืน เช่น เครดิตพลังงานทดแทน (RECs) และคาร์บอนออฟเซ็ต/เครดิตการกำจัด (CORC) ) ตลาด.

ด้วยความร่วมมือกับผู้นำในอุตสาหกรรม DLT ที่ Hedera Hashgraph และมูลนิธิ HBAR เรากำลังดำเนินโครงการวิจัยเพื่อสร้างแบบจำลองและจำลอง Energy Credit ARM เราจะตรวจสอบศักยภาพในการค้นหาราคาของผู้ดูแลสภาพคล่องระดับล่าง และพฤติกรรมอุปสงค์และอุปทานของสินทรัพย์ที่มีคุณสมบัติหลากหลาย นี่เป็นบทความแรกในชุดบทความเกี่ยวกับความพยายามในการวิจัยและพัฒนาร่วมกันนี้

ชื่อเรื่องรอง

ในเอกสารของเรา "A Practical Theory of Fungibility" เราได้แนะนำแนวคิดของตลาดถดถอยอัตโนมัติ (ARM) แนวคิดของ ARM คือการใช้ประโยชน์จากความคล้ายคลึงกันทางคณิตศาสตร์ระหว่างโมเดลแมชชีนเลิร์นนิง (ML) และผู้ดูแลสภาพคล่องอัตโนมัติ (AMM) เพื่อให้การค้นหาราคาแบบไดนามิกสำหรับสินทรัพย์ที่ไม่ใช่สินค้าโภคภัณฑ์ สินค้าเป็นชุดของวัตถุที่มีคุณสมบัติที่ส่งผลต่อมูลค่าที่ประเมินและอุปสงค์เทียบเท่ากัน สรุป สินค้าใช้แทนกันได้ แนวคิดนี้เป็นหัวใจของวิธีการทำงานของ AMM ที่มีอยู่ - การรวมสินทรัพย์ที่หลอมได้และการค้นหาราคาตามเส้นโค้งอัลกอริทึม ¹

ARM ขยายขอบเขตนอกเหนือจาก AMM โดยอนุญาตให้ซื้อและขายสินทรัพย์กึ่งเชื้อเพลิง เช่น เครดิตพลังงาน หรือการชดเชยคาร์บอน/การนำออกด้วยคุณลักษณะต่างๆ ในตลาดหลัก ARM สิ่งนี้ให้การค้นหาราคาที่มีประสิทธิภาพสำหรับการจัดเรียงแอตทริบิวต์ที่มีความซับซ้อนสูง เช่น (สำหรับเครดิตพลังงาน) ประเภทการผลิตพลังงาน ที่ตั้งทางภูมิศาสตร์ เป็นต้น

ข้อสังเกตที่สำคัญที่สุดข้อหนึ่งจากงานนี้คือความสามารถในการทดแทนของสองรายการขึ้นอยู่กับแอตทริบิวต์ของรายการเหล่านี้ที่มีให้และบริบทในการประเมินรายการเหล่านั้น ข้อสังเกตนี้ช่วยให้เราเข้าใจอุปสงค์และอุปทานในตลาดที่ประกอบด้วยสินค้าโภคภัณฑ์ที่ไม่ใช่สินค้าโภคภัณฑ์ (หรือ "เปลี่ยนสภาพได้บางส่วน" ดูด้านล่าง) ได้ดียิ่งขึ้น

แอตทริบิวต์ของสินค้าเป็นลักษณะเฉพาะของซัพพลายเออร์ และมีการกล่าวว่าสินค้าสามารถแยกแยะได้หากมีแอตทริบิวต์ต่างกัน บริบทที่มีการประเมินแอตทริบิวต์ของโครงการจะแสดงลักษณะของฝั่งอุปสงค์ กล่าวได้ว่าสินค้าสามารถทดแทนได้ในสภาพแวดล้อมความต้องการเฉพาะ หากความแตกต่างในคุณลักษณะของสินค้าไม่ส่งผลต่อการประเมิน และด้วยเหตุนี้ความต้องการสำหรับสินค้าเหล่านั้น ความสามารถในการทดแทนของสินค้าโภคภัณฑ์บางชนิดที่ทดแทนได้นั้นแตกต่างกันไปตามสภาพแวดล้อมของอุปสงค์ ตัวอย่างเช่น หากธุรกิจต้องการซื้อเครดิตพลังงานแสงอาทิตย์ที่ผลิตในแปซิฟิกตะวันตกเฉียงเหนือของสหรัฐฯ ผู้ซื้อก็ต้องการสินทรัพย์ที่ไม่สามารถใช้แทนเครดิตที่ผลิตในเอเชียได้ ความสามารถในการระบุสินทรัพย์ตามคุณลักษณะ เช่น สถานที่ผลิตหรือประเภทของการผลิต ไม่เพียงแต่จำเป็นสำหรับผู้ซื้อจำนวนมากเท่านั้น แต่อาจมีผลกระทบอย่างมากต่อการประเมินมูลค่าของสินทรัพย์เหล่านั้น

พล็อตแสดงแผนภาพกระจายและฮิสโตแกรมของการแจกแจงองค์ประกอบหลักสององค์ประกอบแรกของแอตทริบิวต์จำลอง ตลาดการถดถอยอัตโนมัติใช้การตรวจจับพื้นที่ย่อยที่ปรับเปลี่ยนได้และการถดถอยแบบเรียกซ้ำเพื่อค้นหาแบบไดนามิก (อีกครั้ง) ค้นพบว่าชุดค่าผสมของแอตทริบิวต์ใดมีค่า

กรณีที่มีอยู่สำหรับการค้นหาราคากึ่งเนื้อเดียวกัน

เมื่อมองแวบแรก ระบบอัตโนมัติของตลาดที่สามารถซื้อและขายสินค้าที่ไม่ใช่สินค้าโภคภัณฑ์ที่เปลี่ยนรูปแบบได้บางส่วนอาจดูเป็นเรื่องไกลตัว อย่างไรก็ตาม ทั้งในอุตสาหกรรมและสถาบันการศึกษา2 การบรรจบกันระหว่างตลาดและ ML ได้รับการจัดลำดับความสำคัญ ตลาดที่อยู่อาศัยค่อนข้างเหมาะสมในประเภทของสินค้ากึ่งเนื้อเดียวกัน บ้านสามารถแยกแยะความแตกต่างได้ทั้งหมด แต่เมื่อแอตทริบิวต์คล้ายกันมากพอ อาจถูกพิจารณาว่าใช้ร่วมกันได้ (ก่อนซื้อ - ความเป็นเจ้าของส่งผลต่อความสามารถในการใช้ร่วมกัน) ด้วยเหตุผลเหล่านี้ Zillow ผู้ให้บริการตลาดอสังหาริมทรัพย์ออนไลน์จึงมีแนวโน้มที่จะพึ่งพาแอปพลิเคชัน AI "Zestimate" มากขึ้นเพื่อกระตุ้นการตัดสินใจซื้อ

Zestimate อาจเป็นหนึ่งในตัวอย่างแรกของความฉลาดแบบไฮบริดที่สามารถเรียนรู้และสร้างแคมเปญได้ แต่สิ่งสำคัญคือต้องสังเกตธรรมชาติของการดำเนินการของโมเดล Zillow เริ่มเสนอราคาบ้านตาม Zestimate ซึ่งจะส่งผลกระทบต่อตลาดโดยธรรมชาติ แต่ Zestimate เป็นมากกว่าการประมาณราคาบ้าน แต่สร้างราคาโดยมีอิทธิพลต่อความเชื่อของผู้ซื้อและผู้ขายเกี่ยวกับมูลค่าบ้าน ด้วยวิธีนี้ Zestimate ทำหน้าที่เป็นผู้ทำตลาดก่อนที่ Zillow จะเข้าสู่ธุรกิจการซื้อบ้านตามการประมาณการ

แม้ว่าศักยภาพทางนวัตกรรมของเทคโนโลยีเหล่านี้จะมีมหาศาล แต่สิ่งสำคัญเสมอคือต้องพิจารณาถึงผลกระทบเชิงระบบและผลกระทบลำดับที่สองที่เป็นไปได้ ตลอดจนผลที่ตามมาที่ไม่ได้ตั้งใจ เมื่อนำไดนามิกของแมชชีนเลิร์นนิงเข้าสู่ตลาด ในด้านวิชาการของปัญหานี้ Michael I. Jordan นักวิจัยด้าน AI ชั้นนำได้วาดภาพของการทำงานร่วมกันระหว่างเครื่องมือแนะนำและตลาด โดยเฉพาะอย่างยิ่ง เขาชี้ให้เห็นถึงผลเสียที่เกิดจากการใช้เครื่องมือแนะนำอย่างไร้เดียงสากับทรัพยากรที่หายาก ตัวอย่างเช่น การแนะนำสินค้าที่มีจำกัดให้กับนักช้อปจำนวนมาก ทำให้อุปสงค์สูงเกินจริงสำหรับสินค้าที่อาจเป็นทางเลือกหรือเหนือกว่าผู้ซื้อบางราย ในทำนองเดียวกัน แอพนำทางที่แนะนำทางลัดแบนด์วิธต่ำสำหรับคนขับจำนวนมากสามารถสร้างความคับคั่งได้

สาระสำคัญของอัลกอริธึม AI คือการบีบอัดข้อมูลจำนวนมากให้อยู่ในรูปแบบที่กระชับ แต่ตลาดแทนที่จะเป็นตัวสร้างข้อมูลที่สมบูรณ์ เนื่องจากตลาดใช้ประโยชน์จากความแตกต่างของฐานผู้ซื้อที่กว้างขวาง หากปล่อยให้อัลกอริทึม AI ครอบงำระบบ ระบบจะล้าสมัย เนื่องจากเครื่องมือแนะนำที่แข็งแกร่งจะลดความหลากหลายของผลิตภัณฑ์ และการสูญเสียทางเลือกของผู้บริโภคจะลดความสามารถของตลาดในการดึงข้อมูลความชอบจากผู้บริโภค เราสามารถสร้างระบบที่ดีขึ้นผ่านการทดสอบอย่างเข้มงวดและการตรวจสอบความถูกต้องของการออกแบบในระหว่างกระบวนการทางวิศวกรรม

คลาส ARM และอินสแตนซ์

ในขณะที่เรายังคงทำงานกับโมเดล ARM เราต้องมีความชัดเจนเกี่ยวกับเป้าหมายของเรา เป้าหมายของเราคือสร้างความสมดุลระหว่างพลังการบีบอัดของแมชชีนเลิร์นนิงกับพลังการค้นพบของตลาด เพื่ออำนวยความสะดวกรูปแบบใหม่ของตลาดพลังงานในมิติสูง (รวมถึงกรณีการใช้งานอื่นๆ) ดังที่เราได้กล่าวถึงในรายงานความสามารถในการใช้งานร่วมกันของเรา นี่เป็นสิ่งที่เข้าใจได้ดีที่สุดอย่างเป็นทางการในบริบทของการเรียนรู้ออนไลน์ งานของเราเกี่ยวกับเกมเศรษฐกิจในฐานะตัวประมาณค่าและผู้ดูแลตลาดฟังก์ชันคงที่ (CFMM) ในฐานะออราเคิลแสดงให้เห็นว่าโมเดลการกำหนดราคาแบบอัลกอริธึมอัจฉริยะบางประเภทสามารถตีความได้ว่าเป็นการดำเนินการประมวลผลสัญญาณที่เรียนรู้ว่าราคาสินค้าและบริการในตลาดเป็นอย่างไร (สินค้าในกรณีเหล่านี้) - "บริบท สินค้า".

หนทางข้างหน้าสำหรับ ARM R&D กำหนดให้เราต้องคิดว่ามันเป็น "คลาส" ซึ่งแต่ละ "อินสแตนซ์" จะเข้ากับโดเมนเฉพาะของมัน ในแมชชีนเลิร์นนิง สิ่งนี้รวมถึงการเลือกโมเดล วิศวกรรมฟีเจอร์ การเพิ่มประสิทธิภาพเมตาพารามิเตอร์ ชุดค่าผสม และการปรับแต่งอื่นๆ ที่นักวิทยาศาสตร์ข้อมูลนำมาใช้เพื่อให้เหมาะกับโมเดลเฉพาะกับโดเมนปัญหาเฉพาะ สำหรับ AMM นั้นรวมถึงการเลือกรูปแบบการออกแบบเฉพาะ เช่น Uniswap, Balancer, Curve เป็นต้น CFMM ที่แตกต่างกันเหล่านี้มีลักษณะเฉพาะด้วยค่าคงที่ทางคณิตศาสตร์พื้นฐานที่แตกต่างกัน แต่แม้หลังจากเลือกคลาสของ AMM แล้ว ก็ยังมีบางอินสแตนซ์ที่ไม่ซ้ำใครซึ่งมีสินทรัพย์ของตัวเองและพารามิเตอร์เมตาอื่นๆ เช่น ค่าธรรมเนียมและน้ำหนัก

ต้องยอมรับว่าความสัมพันธ์ของคลาส/อินสแตนซ์นี้เป็นส่วนขยายที่ทันสมัยของการวิจัย ARM เนื่องจากมีความคล้ายคลึงกับ ML เราจึงเข้าใจดีว่าความยากในการพัฒนาและบำรุงรักษา ARM อาจแตกต่างกันไป ขึ้นอยู่กับข้อมูลที่โมเดลกำลังสังเคราะห์ BlockScience ร่วมมือกับ Hedera Hashgraph และ HBAR Foundation's Sustainability Initiative เพื่อออกแบบอินสแตนซ์ ARM สำหรับตลาดสินเชื่อพลังงานโดยเฉพาะ เนื่องจากสินทรัพย์สินเชื่อพลังงานเป็นกรณีการใช้งานที่ดีสำหรับโครงการที่มีคุณลักษณะและมูลค่าที่หลากหลายซึ่งสร้างผลกระทบที่ดีตามบริบท

ตัวอย่างการจัดกลุ่มข้อมูล ML ตามแอตทริบิวต์ ใน ARM คลัสเตอร์เช่นนี้สามารถแสดงแอตทริบิวต์เครดิตพลังงานหมุนเวียนและใช้เพื่ออำนวยความสะดวก "การจับคู่" ของสภาพแวดล้อมอุปสงค์และอุปทานสำหรับสินทรัพย์กึ่งใช้ร่วมกันได้ (ที่มา: https://en.wikipedia.org/wiki/Cluster_analysis)

ชื่อเรื่องรอง

เหตุใดตลาดพลังงานและคาร์บอนจึงเป็นกรณีการใช้งานที่ยอดเยี่ยมสำหรับ ARM

ปัจจุบัน มีการซื้อและขายเครดิตพลังงานที่แยกไม่ออกในปริมาณมากโดยมีความโปร่งใสและตรวจสอบได้เพียงเล็กน้อย ตลาดพลังงานหมุนเวียนยังมีการประดิษฐ์ขึ้นอย่างมาก และเครดิตการชดเชยคาร์บอน/การกำจัดคาร์บอนและเครดิตพลังงานหมุนเวียนที่ซื้อขายโดยนายหน้าอาจมีบริบทที่แตกต่างกันมาก แม้ว่าสินทรัพย์เหล่านี้จะมีการซื้อขายเป็นสินค้าโภคภัณฑ์ (เชื้อเพลิง) แต่ในความเป็นจริงมูลค่าของสินทรัพย์เหล่านี้ในตลาดอาจแตกต่างกันไปขึ้นอยู่กับสถานที่และวิธีการผลิตพลังงาน ปัจจัยการผลิต ปริมาณและคุณภาพของอุปกรณ์ที่ใช้ ตลอดจนคุณลักษณะและวิธีการ คุณสมบัติเหล่านี้ได้รับการประเมินในบริบทที่แตกต่างกัน

ด้วย ARMs สินทรัพย์เหล่านี้สามารถแยกย่อยได้มากขึ้น เนื่องจากตลาดหรือฝั่งอุปสงค์สามารถกำหนดราคาที่แตกต่างกันสำหรับสินทรัพย์กึ่งเนื้อเดียวกันเหล่านี้ ผู้ซื้อสินทรัพย์ด้านพลังงานต้องการข้อมูลและการมองเห็นเพิ่มเติมในด้านอุปทาน ซึ่งมักเป็นไปตามข้อกำหนดทางกฎหมายในเขตอำนาจศาลต่างๆ ผู้ที่เกี่ยวข้องในตลาดเหล่านี้ต้องการทำความเข้าใจว่าอสังหาริมทรัพย์ใดเป็นที่ต้องการอย่างมากและอสังหาริมทรัพย์ใดเป็นที่นิยมมากกว่ากัน เพื่อที่จะใช้กำลังซื้อในขณะที่ปฏิบัติตามข้อกำหนด

ใน ARM สินค้ากึ่งใช้ร่วมกัน—"มัดรวม" ของคุณลักษณะต่างๆ—มีน้ำหนักต่างกันขึ้นอยู่กับสภาวะตลาดและสถานการณ์การผลิต สิ่งนี้จะให้ข้อมูลที่ดีกว่าสำหรับตลาดในการจับคู่ระหว่างพารามิเตอร์อุปสงค์และอุปทาน - กล่าวอีกนัยหนึ่งคือตลาดที่มีประสิทธิภาพมากกว่า นอกจากนี้ ฟังก์ชันนี้สามารถให้คุณค่าโดยการค้นหาพลังงานและคาร์บอนเครดิตในบัญชีแยกประเภทสาธารณะ และเชื่อมโยงกับแหล่งกำเนิดที่ตรวจสอบได้ผ่านการตรวจสอบ

การตรวจสอบให้แน่ใจว่า CORC หรือ REC นั้นมีเอกลักษณ์เฉพาะตัวและแสดงถึงการชดเชยคาร์บอน/การกำจัดคาร์บอนในห่วงโซ่หรือสินทรัพย์ด้านพลังงานที่สร้างขึ้นนอกห่วงโซ่เป็นสิ่งสำคัญมากของนวัตกรรมตลาดนี้ ส่วนหลักของระบบนิเวศ Hedera และโครงการริเริ่มเพื่อความยั่งยืนของ HBAR Foundation คือ Guardian ซึ่งเป็นโซลูชันที่ตรวจสอบได้อย่างสมบูรณ์ซึ่งจะตรวจสอบคุณลักษณะของสินทรัพย์ด้านพลังงาน Guardian3 ให้การพิสูจน์คุณภาพของข้อมูลนอกเครือข่าย รวมถึงข้อมูลประจำตัวที่กระจายอำนาจ การดำเนินการที่ขับเคลื่อนด้วยนโยบาย และการจัดลำดับการทำธุรกรรมอย่างยุติธรรม คุณสมบัติเหล่านี้ช่วยขจัดปัญหาด้านคุณภาพของข้อมูลซึ่งเป็นที่ทราบกันดี เช่น การนับสินทรัพย์ซ้ำซ้อน ซึ่งสร้างความสับสนให้กับอุปสงค์และอุปทาน และจะเป็นหัวใจสำคัญของการวิจัยและพัฒนาในระบบอัตโนมัติของ CORC และ REC โดยใช้ ARM

ประโยชน์ที่เป็นไปได้และผลกระทบทั่วโลกของตลาดพลังงานอาวุธ

ขนาดตลาดด้านพลังงานในฐานะบริการทั่วโลกคาดว่าจะเกิน 106.6 พันล้านเหรียญสหรัฐภายในปี 2569 และด้วยความสำคัญที่เพิ่มขึ้นของ CORC และ REC ตลาดเหล่านี้จึงพร้อมสำหรับนวัตกรรม กลไก ARM อาจมีผลกระทบอย่างมากต่อตลาดสินเชื่อพลังงาน และเปิดโลกใหม่แห่งความเป็นไปได้ด้วยการเชื่อมต่อเทคโนโลยีของผู้สร้างตลาดอัตโนมัติกับสินทรัพย์ผันแปรในโลกแห่งความจริงที่แสดงบนเครือข่าย

ARMs สามารถจัดหาระบบอัตโนมัติ อนุญาตให้ปรับขนาดและขยายตลาดพลังงานและการซื้อขายขนาดใหญ่ เร่งการพัฒนาตลาดและมอบศักยภาพสำหรับตลาดฟิวเจอร์ส นอกจากนี้ยังสามารถลดต้นทุนสำหรับบุคคลทั่วไป ผู้ผลิตพลังงานรายเล็ก หรือสหกรณ์ เนื่องจากสามารถรวมเครือข่ายรุ่นที่กระจายอำนาจได้ง่ายขึ้นเพื่อให้หลักประกันหรือทรัพย์สินที่เป็นโทเค็นเพื่อแลกเปลี่ยนกับการจัดหาเงินทุน ด้วยตลาดที่มีประสิทธิภาพและกำลังขยายตัวมากขึ้น และการมองเห็นที่มากขึ้นในการผลิตพลังงานและคุณสมบัติ จะมีแรงจูงใจมากขึ้นในการปรับปรุงและลงทุนในโครงสร้างพื้นฐานที่ตรงตามมาตรฐานหรือมาตรฐานที่สูงขึ้นหรือมีค่ามากขึ้นตามที่ตลาดต้องการ ทัศนวิสัยที่มากขึ้นในการโลคัลไลเซชันยังสามารถรักษามูลค่าของการผลิตในท้องถิ่นให้อยู่ภายในขอบเขตเหล่านี้ แทนที่จะถูกดึงไปยังตลาดขนาดใหญ่

อย่างไรก็ตาม เช่นเดียวกับเทคโนโลยีหรือนวัตกรรมอื่นๆ มีผลกระทบที่คาดไม่ถึงหลายอย่างที่ยังไม่ได้สำรวจ พรมแดนใหม่ๆ นำมาซึ่งศักยภาพของผลลัพธ์ที่ไม่ได้ตั้งใจและผลกระทบเชิงระบบของกลไกตลาดใหม่ ดังที่ได้กล่าวไว้ก่อนหน้านี้ เป้าหมายของเราคือสร้างความสมดุลระหว่างพลังการบีบอัดของ ML และพลังการค้นพบของตลาด ในฐานะวิศวกร มีการแลกเปลี่ยนการออกแบบอยู่เสมอ นั่นเป็นเหตุผลว่าทำไมงานสร้างแบบจำลองและการจำลองจึงมีความสำคัญอย่างยิ่ง และเหตุใดเราจึงใช้ cadCAD เพื่อเพิ่มประสิทธิภาพการออกแบบระบบที่ซับซ้อน

การแสดงพื้นที่มิติสูงโดยใช้การเรียนรู้ของเครื่อง (ที่มา: https://www.youtube.com/watch?v=wvsE8jm1GzE )

ชื่อเรื่องรอง

การสร้างแบบจำลอง ARM ด้วย cadCAD

cadCAD (ย่อมาจาก Complex Adaptive Dynamics Computer Aided Design) เป็นเฟรมเวิร์กการสร้างแบบจำลองโอเพ่นซอร์สสำหรับการศึกษา ตรวจสอบ และออกแบบระบบที่ซับซ้อนโดยใช้คอมพิวเตอร์ สิ่งนี้ช่วยให้บุคคลหรือองค์กรตัดสินใจโดยใช้ข้อมูลและผ่านการทดสอบอย่างดีเกี่ยวกับวิธีที่ดีที่สุดในการปรับเปลี่ยนหรือโต้ตอบกับระบบที่ซับซ้อนเพื่อให้บรรลุเป้าหมายที่ตั้งใจไว้

2) บังคับใช้กฎการบัญชี ตัวอย่างเช่น เพื่อให้แน่ใจว่าฝ่ายตรงข้ามไม่สามารถทำให้ ARM ล้มละลายได้โดยการเติมเครดิตพลังงานที่ขายไม่ได้

อ้างถึง

ในขณะเดียวกัน ระบบนิเวศของ Hedera ก็กำลังพัฒนาตรรกะของแอปพลิเคชันหลักที่จำเป็นในการปรับใช้ ARM ดำเนินการตรรกะทางธุรกิจและการบัญชีในบัญชีแยกประเภทสาธารณะของ Hedera เช่น Guardian แบบโอเพ่นซอร์สที่เพิ่งเปิดตัวเมื่อเร็วๆ

แม้ว่าเราจะพัฒนาข้อกำหนดทางเทคนิคเพื่อสนับสนุนการปรับใช้ Energy Credit ARM ผลลัพธ์ที่ได้จะสรุปเป็นภาพรวมของแอปพลิเคชันทางการตลาดแบบสองด้านทางเลือกบางส่วนที่หลากหลายบนโครงสร้างพื้นฐาน ระบบนิเวศของ Hedera ไม่เพียงแต่มุ่งเน้นไปที่การปรับใช้อินสแตนซ์ ARM แบบกำหนดเองทั้งหมดเท่านั้น แต่ยังสร้างรูปแบบการออกแบบแอปพลิเคชัน ARM สำหรับโครงสร้างพื้นฐานอีกด้วย สิ่งนี้จะช่วยให้แอปพลิเคชันสามารถมุ่งเน้นไปที่ด้านวิทยาศาสตร์ข้อมูลของการออกแบบ ARM และไว้วางใจการออกแบบตลาดของพวกเขาในการปรับใช้และการใช้งานเครือข่าย Hedera

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

ในอนาคต หัวข้อต่างๆ เช่น ผลกระทบทุติยภูมิ สิ่งจูงใจระดับระบบ และพารามิเตอร์พื้นฐานอื่นๆ ของกลไกอาจถูกตรวจสอบเพื่อให้ได้ข้อมูลเชิงลึกว่า ARM "เรียนรู้" และดำเนินการอย่างไร

2. Oladunni,ชื่อเรื่องรอง

Shorish,อ้างถึง

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