論文の概要: Dynamic Data-Driven Digital Twins for Blockchain Systems
- arxiv url: http://arxiv.org/abs/2312.04226v1
- Date: Thu, 7 Dec 2023 11:18:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 15:04:10.009496
- Title: Dynamic Data-Driven Digital Twins for Blockchain Systems
- Title(参考訳): ブロックチェーンシステムのための動的データ駆動ディジタルツイン
- Authors: Georgios Diamantopoulos, Nikos Tziritas, Rami Bahsoon and Georgios
Theodoropoulos
- Abstract要約: 本稿では、DDDASフィードバックループが強化学習エージェントとシミュレーションコンポーネントから恩恵を受けるトリレンマの最適化コンポーネントをどのようにサポートし、学習モデルの品質を向上させるかを示す。
本稿では、DDDASフィードバックループの活用が、強化学習エージェントとシミュレーションコンポーネントから得られるトリレンマの最適化コンポーネントをどのようにサポートし、学習モデルの品質を向上させるかを検討する。
- 参考スコア(独自算出の注目度): 2.7030389009543887
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, we have seen an increase in the adoption of blockchain-based
systems in non-financial applications, looking to benefit from what the
technology has to offer. Although many fields have managed to include
blockchain in their core functionalities, the adoption of blockchain, in
general, is constrained by the so-called trilemma trade-off between
decentralization, scalability, and security. In our previous work, we have
shown that using a digital twin for dynamically managing blockchain systems
during runtime can be effective in managing the trilemma trade-off. Our Digital
Twin leverages DDDAS feedback loop, which is responsible for getting the data
from the system to the digital twin, conducting optimisation, and updating the
physical system. This paper examines how leveraging DDDAS feedback loop can
support the optimisation component of the trilemma benefiting from
Reinforcement Learning agents and a simulation component to augment the quality
of the learned model while reducing the computational overhead required for
decision-making.
- Abstract(参考訳): 近年では、非金融アプリケーションにおけるブロックチェーンベースのシステムの採用が増加しており、テクノロジーが提供すべきことの恩恵を享受しています。
多くの分野がブロックチェーンをコア機能に組み込んでいるが、一般的にブロックチェーンの採用は、分散化、スケーラビリティ、セキュリティのいわゆるトリレンマトレードオフによって制約されている。
これまでの研究で、ディジタルツインを使用して実行中にブロックチェーンシステムを動的に管理することは、トリレンマトレードオフの管理に有効であることを示した。
私たちのデジタル双子はdddasフィードバックループを利用して、システムからデジタル双子にデータを取得し、最適化を行い、物理システムを更新します。
本稿では,強化学習エージェントの恩恵を受けるトリレンマの最適化コンポーネントと,学習モデルの品質向上のためのシミュレーションコンポーネントをdddasフィードバックループを活用することで,意思決定に必要な計算オーバーヘッドを低減できることを示す。
関連論文リスト
- Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳(メタデータ) (2024-01-28T10:46:17Z) - Aid Nexus : A Blockchain Based Financial Distribution System [0.7366405857677227]
分散型台帳システムを活用することにより、ブロックチェーンは、仲介者を必要としない、セキュリティ、透明性、トランザクション検証の強化を提供する。
金融セクターは、支払い、送金、融資、投資のためのブロックチェーンベースのソリューションを模索している。
医療は医療記録の保持、サプライチェーンの追跡、データ管理にこの技術を採用している。
不動産、エネルギー、政府など他の部門もブロックチェーンベースのソリューションを調査している。
論文 参考訳(メタデータ) (2023-11-14T18:35:02Z) - When Quantum Information Technologies Meet Blockchain in Web 3.0 [86.91054991998273]
我々は、分散データ転送と支払いトランザクションのための情報理論セキュリティを提供する、量子ブロックチェーン駆動のWeb 3.0フレームワークを紹介します。
Web 3.0で量子ブロックチェーンを実装するための潜在的なアプリケーションと課題について論じる。
論文 参考訳(メタデータ) (2022-11-29T05:38:42Z) - On the Decentralization of Blockchain-enabled Asynchronous Federated
Learning [3.3701306798873305]
フェデレートラーニング(FL)は実運用環境における真のリアルタイムアプリケーションを可能にすることが期待されている。
ブロックチェーン(FLchainとも呼ばれる)によるFLの権限付与は、台帳の不整合と情報の年齢(AoI)に関していくつかの意味を持つ。
本稿では,FLチェーン設定の影響について光を当て,AoIと台帳の不整合がFL性能に与える影響について検討する。
論文 参考訳(メタデータ) (2022-05-20T14:20:47Z) - Digital Twins for Dynamic Management of Blockchain Systems [4.563697917551648]
本稿では,Digital Twinsの利用について紹介する。
この論文の新たな貢献は、時間クリティカルシステムのトリレムマトレードオフの維持を支援するデジタルツインのフレームワークと概念アーキテクチャの設計である。
論文 参考訳(メタデータ) (2022-04-26T17:48:43Z) - SoK: Blockchain Governance [13.95507600720467]
ブロックチェーンガバナンスのトピックは、徹底的な体系化のための肥大したドメインである。
まずは、健全なガバナンスシステムのための包括的なプロパティの配列を蒸留することから始めます。
すべての性質は、少なくとも1つのシステムによって、部分的にも満たされるが、それらの大部分を満たさない。
論文 参考訳(メタデータ) (2022-01-18T18:38:26Z) - Will bots take over the supply chain? Revisiting Agent-based supply
chain automation [71.77396882936951]
エージェントベースのサプライチェーンは2000年初頭から提案されている。
エージェントベースの技術は成熟しており、サプライチェーンに浸透している他の支援技術はギャップを埋めている。
例えば、IoTテクノロジのユビキティは、エージェントがサプライチェーンの状態を“理解”し、自動化のための新たな可能性を開くのに役立つ。
論文 参考訳(メタデータ) (2021-09-03T18:44:26Z) - Secure and Efficient Federated Learning Through Layering and Sharding
Blockchain [15.197940168865271]
本稿では,新しい2層ブロックチェーン駆動型フェデレート学習システムChainFLを提案する。
インターネットネットワークをサブチェーン層内の複数のシャードに分割し、情報交換の規模を効果的に削減する。
また、DAG(Direct Acyclic Graph)ベースのメインチェーンをメインチェーン層として採用し、並列および非同期のクロスシャード検証を可能にする。
論文 参考訳(メタデータ) (2021-04-27T12:19:07Z) - High-Capacity Expert Binary Networks [56.87581500474093]
ネットワークバイナライゼーションは、効率的なディープモデルを作成するための、ハードウェア対応の有望な方向性である。
メモリと計算上の優位性にもかかわらず、バイナリモデルとその実数値モデルの間の精度のギャップを縮めることは、未解決の課題である。
本稿では,入力特徴に基づく時間に1つのデータ固有のエキスパートバイナリフィルタを選択することを学習することで,初めてバイナリネットワークに条件付きコンピューティングを適合させる専門家バイナリ畳み込みを提案する。
論文 参考訳(メタデータ) (2020-10-07T17:58:10Z) - Resource Management for Blockchain-enabled Federated Learning: A Deep
Reinforcement Learning Approach [54.29213445674221]
Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。
BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。
我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
論文 参考訳(メタデータ) (2020-04-08T16:29:19Z) - Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。
ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
論文 参考訳(メタデータ) (2020-02-20T05:11:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。