[Uzun post] Cysic tadqiqot hisobot: ZK apparat tezlashtirish orqali ComputeFi yo‘li

Chainfeeds sharhi:

Zero-knowledge proof (ZK) yangi avlod shifrlash va kengaytirish infratuzilmasi sifatida blokcheyn kengaytirish, maxfiy hisoblash hamda zkML, zanjirdan-zanjirga verifikatsiya kabi yangi ilovalarda keng imkoniyatlarni namoyon qilmoqda. Biroq, uning isbot yaratish jarayoni juda katta hisoblash quvvatini va yuqori kechikishni talab qiladi, bu esa sanoatga tatbiq etilishdagi eng katta to‘siq bo‘lib qolmoqda.

Manba:

Jacob Zhao

Fikrlar:

Jacob Zhao: GPU hozirda AI va ZK uchun asosiy hisoblash resursiga aylandi. Sun’iy intellekt (AI) sohasida GPU o‘zining kuchli parallel hisoblash arxitekturasi va rivojlangan ekotizimi bilan deyarli almashtirib bo‘lmaydigan asosiy apparatga aylandi. Ayniqsa, chuqur o‘rganish va neyron tarmoqlarni o‘qitish hamda xulosalashda GPU o‘zining beqiyos ustunligini ko‘rsatmoqda. O‘qitish jarayonida neyron tarmoqlar ko‘plab matritsa amallari va yuqori darajadagi parallel hisoblashlarni talab qiladi, bu esa aynan GPUning kuchli tomoni. CUDA (Compute Unified Device Architecture) dasturlash modeli hamda PyTorch, TensorFlow kabi chuqur o‘rganish platformalari yordamida GPU juda yuqori hisoblash samaradorligiga erisha oladi. Bu esa GPUni yirik AI modellar (masalan, GPT, BERT va boshqalar) uchun ideal tanlovga aylantiradi, nafaqat o‘qitishda, balki xulosalashda ham. ZK sohasida ham GPU muhim rol o‘ynaydi. Zero-Knowledge Proof (ZK) — bu shifrlash algoritmi bo‘lib, bir tomon ma’lumotning haqiqiyligini ma’lumotning o‘zini oshkor qilmasdan isbotlashi mumkin. ZK hisoblash vazifalarida GPU o‘zining yuqori parallel ishlash va katta o‘tkazuvchanligi bilan hozirgi asosiy hisoblash resursiga aylandi, ayniqsa dastlabki bosqichlarda GPU nisbatan arzonligi va oson topilishi bilan ideal tanlov bo‘ldi. Biroq, GPUning cheklovlari ham aniq. GPU ko‘plab ZK isbot algoritmlarida ustun bo‘lsa-da, ayrim maxsus vazifalarda, masalan, katta butun sonlar bilan modulyar amallar, MSM (ko‘p hadli ko‘paytirish) va FFT/NTT (Tez Fure transformatsiyasi / Sonlar nazariyasi transformatsiyasi) kabi hisoblashlarda, GPUning saqlash va xotira o‘tkazuvchanligi cheklovga aylanadi. Bu hisoblash vazifalari juda yuqori saqlash va o‘tkazuvchanlik talab qiladi, ammo GPU arxitekturasi bu cheklovlarni to‘liq optimallashtirmagan. Shuning uchun, GPU ZK sohasida hozircha yetakchi bo‘lsa-da, uzoq muddatda yanada maxsuslashtirilgan apparat yechimlari muqarrar. FPGA (Field Programmable Gate Array) dasturlashtiriladigan apparat sifatida uzoq vaqtdan beri GPU va ASIC o‘rtasidagi yechim deb qaraladi. GPUga nisbatan FPGA ko‘proq moslashuvchanlikka ega, ishlab chiquvchilar apparatni ehtiyojga ko‘ra dasturlash va moslashtirishlari mumkin. Bu moslashuvchanlik FPGAni ko‘plab ilovalarda, ayniqsa algoritm ishlab chiqish va optimallashtirish bosqichida samarali qiladi. FPGAning apparat dasturlanuvchanligi uni ZK isbot algoritmlarini verifikatsiya va iteratsiya qilish, prototiplarni tekshirish, va ayrim past kechikish talab qilinadigan sohalar (masalan, yuqori chastotali savdo, 5G bazaviy stansiyalari) uchun ideal tanlovga aylantiradi. ZK sohasida FPGAning qo‘llanilishi katta salohiyatga ega. ZK isbot algoritmlari doimiy rivojlanib borayotgani sababli, ko‘plab tadqiqot jamoalari algoritmlarni aniq ehtiyojlarga ko‘ra moslashtiradi va optimallashtiradi, FPGAning moslashuvchanligi aynan shu ehtiyojni qondiradi. Ishlab chiquvchilar turli ZK algoritmlariga mos apparat arxitekturasini yaratishlari mumkin, bu esa unumdorlikni maksimal darajaga yetkazadi. Bundan tashqari, FPGA energiya sarfi va kechikish bo‘yicha ham ma’lum ustunliklarga ega, ayniqsa hisoblash resurslariga yuqori talab bo‘lgan past energiya iste’moli talab qilinadigan chekka hisoblash sohalarida FPGA ma’lum afzalliklarga ega. Cysic Network — bu ComputeFi (hisoblash moliyasi) konsepsiyasiga asoslangan markazlashmagan tarmoq bo‘lib, hisoblash resurslarini (GPU, ASIC va mayning qurilmalari) moliyalashtirish, an’anaviy hisoblash resurslari cheklovlarini buzish, hisoblash resurslarini dasturlashtirish, tekshirish va savdo qilish imkonini beradi. Bu tarmoq Cosmos SDK (dasturiy ta’minot ishlab chiqish to‘plami) va Proof-of-Compute (PoC) mexanizmi asosida qurilgan bo‘lib, markazlashmagan vazifa moslashtirish va ko‘p bosqichli verifikatsiya bozorini yaratadi, ZK isbot, AI xulosalash, mayning va yuqori samarali hisoblash (HPC) kabi hisoblash ehtiyojlarini yagona tarzda qo‘llab-quvvatlaydi. Cysicning maqsadi Web3 ekotizimi uchun yangi infratuzilma yaratish, ayniqsa hisoblash quvvati sohasida, hisoblash resurslari likvidligi va markazlashuvini oshirishdir. Cysic Networkning asosiy ustunligi uning noyob vertikal integratsiya qobiliyatida bo‘lib, o‘zining ZK ASIC, GPU klasterlari va portativ mayning qurilmalari orqali samarali hisoblash resurslarini taqdim eta oladi. Cysic jamoasi GPU va ASICning afzalliklarini birlashtirib, turli ilova sohalari uchun moslashtirilgan hisoblash quvvatini taqdim etishi mumkin, bu esa tarmoqning moslashuvchanligi va kengayuvchanligini yanada oshiradi. Bundan tashqari, Cysic ikki tokenli mexanizmni qabul qilgan: CYS va CGT. CYS asosan tarmoq boshqaruvi va mukofot mexanizmi uchun, CGT esa hisoblash quvvati savdosi va likvidlikni qo‘llab-quvvatlash uchun ishlatiladi.