論文の概要: Proof-of-Spiking-Neurons(PoSN): Neuromorphic Consensus for Next-Generation Blockchains
- arxiv url: http://arxiv.org/abs/2511.02868v1
- Date: Mon, 03 Nov 2025 19:31:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 18:19:32.180879
- Title: Proof-of-Spiking-Neurons(PoSN): Neuromorphic Consensus for Next-Generation Blockchains
- Title（参考訳）: スパイキングニューロン(PoSN):次世代ブロックチェーンのためのニューロモルフィック・コンセンサス
- Authors: M. Z. Haider, M. U Ghouri, Tayyaba Noreen, M. Salman,
- Abstract要約: 本稿では、スパイクニューラルネットワークにインスパイアされたニューロモルフィックコンセンサスプロトコルであるTextitProof-of-Spiking-Neurons(PoSN)を提案する。
PoSNはスパイクトレインとしてトランザクションをエンコードし、競合する発射ダイナミクスを通じてリーダを選択し、ニューラル同期を通じてブロックをファイナライズする。
ハイブリッドシステムアーキテクチャはニューロモルフィックプラットフォーム上で実装されており、NengoやPyNNといったシミュレーションフレームワークがサポートしている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Blockchain systems face persistent challenges of scalability, latency, and energy inefficiency. Existing consensus protocols such as Proof-of-Work (PoW) and Proof-of-Stake (PoS) either consume excessive resources or risk centralization. This paper proposes \textit{Proof-of-Spiking-Neurons (PoSN)}, a neuromorphic consensus protocol inspired by spiking neural networks. PoSN encodes transactions as spike trains, elects leaders through competitive firing dynamics, and finalizes blocks via neural synchronization, enabling parallel and event-driven consensus with minimal energy overhead. A hybrid system architecture is implemented on neuromorphic platforms, supported by simulation frameworks such as Nengo and PyNN. Experimental results show significant gains in energy efficiency, throughput, and convergence compared to PoB and PoR. PoSN establishes a foundation for sustainable, adaptive blockchains suitable for IoT, edge, and large-scale distributed systems.
- Abstract（参考訳）: ブロックチェーンシステムは、スケーラビリティ、レイテンシ、エネルギー不効率という永続的な課題に直面します。
Proof-of-Work (PoW) や Proof-of-Stake (PoS) といった既存のコンセンサスプロトコルは、過剰なリソースを消費するか、リスク集中化を行う。
本稿では、スパイクニューラルネットワークにインスパイアされたニューロモルフィックコンセンサスプロトコルである「textit{Proof-of-Spiking-Neurons(PoSN)」を提案する。
PoSNはスパイクトレインとしてトランザクションをエンコードし、競合する発射ダイナミクスを通じてリーダを選択し、ニューラル同期を通じてブロックを最終化し、最小のエネルギーオーバーヘッドで並列およびイベント駆動のコンセンサスを可能にする。
ハイブリッドシステムアーキテクチャはニューロモルフィックプラットフォーム上で実装されており、NengoやPyNNといったシミュレーションフレームワークがサポートしている。
実験の結果,PoBおよびPoRと比較してエネルギー効率,スループット,収束性が有意に向上した。
PoSNは、IoT、エッジ、大規模分散システムに適した、持続可能な適応型ブロックチェーンの基礎を確立している。
関連論文リスト
- Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。
本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。
NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
論文 参考訳（メタデータ） (2025-10-19T14:23:35Z) - Proxy Target: Bridging the Gap Between Discrete Spiking Neural Networks and Continuous Control [59.65431931190187]
スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェア上で低レイテンシかつエネルギー効率の意思決定を提供する。
連続制御のためのほとんどの連続制御アルゴリズムは、人工ニューラルネットワーク(ANN)のために設計されている。
このミスマッチはSNNのトレーニングを不安定にし、性能を劣化させる。
離散SNNと連続制御アルゴリズムのギャップを埋める新しいプロキシターゲットフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-30T03:08:03Z) - Exploring the Limitations of Layer Synchronization in Spiking Neural Networks [0.3284483366177839]
真に非同期なシステムでは、すべてのニューロンが閾値を同時に評価し、シナプス前電流を受けるとスパイクを発生させることができる。
スパイクを減らし、推論を高速化し、競争力や精度を向上する非同期処理の可能性を示す。
論文 参考訳（メタデータ） (2024-08-09T14:39:23Z) - Securing Proof of Stake Blockchains: Leveraging Multi-Agent Reinforcement Learning for Detecting and Mitigating Malicious Nodes [0.2982610402087727]
MRL-PoS+は、PoSブロックチェーンのセキュリティを強化するための新しいコンセンサスアルゴリズムである。
MRL-PoS+は,PoSブロックチェーンの攻撃レジリエンスを著しく向上することを示す。
論文 参考訳（メタデータ） (2024-07-30T17:18:03Z) - Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks [69.2642802272367]
スパイクニューラルネットワーク(SNN)を用いた脳誘発ニューロモルフィックコンピューティングは、有望なエネルギー効率の計算手法である。
最近の手法では、空間的および時間的バックプロパゲーション(BP)を利用しており、ニューロモルフィックの性質に固執していない。
オンライン擬似ゼロオーダートレーニング(OPZO)を提案する。
論文 参考訳（メタデータ） (2024-07-17T12:09:00Z) - TBDD: A New Trust-based, DRL-driven Framework for Blockchain Sharding in IoT [25.15169926146292]
シャードブロックチェーンとIoTを統合することで、信頼性の問題と最適化されたデータフローに対するソリューションが提示される。
深層強化学習は動的で複雑なシステムと多次元最適化を十分に扱う。
textscTbDdはノードタイプを認識し、潜在的な脅威に対してターゲットリシャーディングを実行する。
論文 参考訳（メタデータ） (2024-01-01T01:57:28Z) - SPIDE: A Purely Spike-based Method for Training Feedback Spiking Neural
Networks [56.35403810762512]
イベントベースの計算を伴うスパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェアにおけるエネルギー効率の高い応用のために、脳にインスパイアされたモデルを約束している。
本研究では,最近提案されたトレーニング手法を拡張した平衡状態(SPIDE)に対するスパイクに基づく暗黙差分法について検討した。
論文 参考訳（メタデータ） (2023-02-01T04:22:59Z) - BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。
リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。
BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文 参考訳（メタデータ） (2021-12-13T17:35:54Z) - Proof of Learning (PoLe): Empowering Machine Learning with Consensus
Building on Blockchains [7.854034211489588]
ニューラルネットワーク(NN)の最適化に向けて,新たなコンセンサスメカニズムであるPoLe(Proof of Learning)を提案する。
我々のメカニズムでは、トレーニング/テストデータはブロックチェーンネットワーク全体(BCN)にリリースされ、コンセンサスノードはデータ上でNNモデルをトレーニングします。
我々はPoLeがより安定したブロック生成率を達成でき、それによってより効率的なトランザクション処理が実現できることを示す。
論文 参考訳（メタデータ） (2020-07-29T22:53:43Z) - ResiliNet: Failure-Resilient Inference in Distributed Neural Networks [56.255913459850674]
ResiliNetは、分散ニューラルネットワークにおいて物理ノード障害に耐性を持たせるためのスキームである。
Failoutは、ドロップアウトを使用したトレーニング中の物理ノード障害条件をシミュレートし、分散ニューラルネットワークのレジリエンスを改善するように設計されている。
論文 参考訳（メタデータ） (2020-02-18T05:58:24Z)
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。