論文の概要: Green by Design? Investigating the Energy and Carbon Footprint of Chia Network
- arxiv url: http://arxiv.org/abs/2604.13044v1
- Date: Thu, 05 Mar 2026 13:08:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.630514
- Title: Green by Design? Investigating the Energy and Carbon Footprint of Chia Network
- Title（参考訳）: グリーン・バイ・デザイン : チャイアネットワークのエネルギー・炭素フットプリントの考察
- Authors: Soraya Djerrab, Clémentine Gritti, Rahima Benzenati,
- Abstract要約: Chia Network(略してChia)は、Proof of Space and Time(PoST)コンセンサスメカニズムを使用して、グリーンに定義されたブロックチェーンである。
我々の結果は、ChiaがProof-of-Workベースのブロックチェーンの持続可能な代替品であることを示している。
制御されたテストベッドからの実験的な測定と、運用および実施したエミッションの理論的モデリングを組み合わせることで、Chiaの真の持続可能性プロファイルを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a detailed analysis of the environmental impact of Chia Network (Chia for short), a green-claimed blockchain, which uses a Proof of Space and Time (PoST) consensus mechanism. While Chia claims to be a sustainable alternative to Proof-of-Work-based blockchains, our results show that its resource-intensive initialization phase and ongoing operations lead to carbon emissions 18x higher than claimed (0.88 MtCO2/year), exceeding mainstream "green" blockchains by orders of magnitude. We combine experimental measurements from a controlled testbed (Grid'5000) with theoretical modeling of operational and embodied emissions to assess Chia's true sustainability profile.
- Abstract（参考訳）: 本稿では,PoST(Proof of Space and Time)コンセンサス機構を用いたグリーンステートディングブロックチェーンであるChia Network(略してChia)の環境影響を詳細に分析する。
ChiaはProof-of-Workベースのブロックチェーンの持続可能な代替品であると主張しているが、私たちの結果は、リソース集約的な初期化フェーズと進行中の運用によって、要求される(0.88 MtCO2/年)二酸化炭素排出量は18倍になり、主流の"グリーン"ブロックチェーンを桁違いに上回っていることを示している。
我々は、制御されたテストベッド(Grid'5000)からの実験的な測定と、運用および実施した排出の理論的モデリングを組み合わせることで、Chiaの真の持続可能性プロファイルを評価する。
関連論文リスト
- A Blockchain-Oriented Software Engineering Architecture for Carbon Credit Certification Systems [0.0]
本稿では,ブロックチェーンベースのカーボンクレディット認証アーキテクチャを紹介する。
リアルタイムIoTデータ収集、エッジレベルのアグリゲーション、スマートコントラクトで許可されたブロックチェーン上のセキュアなオンチェーンストレージを統合する。
検証可能な炭素クレディットレコードを生成し、サードパーティによる検証をサポートするための構造化された経路を提供する。
論文 参考訳（メタデータ） (2026-01-20T09:31:14Z) - Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。
送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。
GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。
対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文 参考訳（メタデータ） (2025-06-19T04:43:41Z) - Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。
Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
論文 参考訳（メタデータ） (2025-01-18T00:22:22Z) - Blockchain in Environmental Sustainability Measures: a Survey [0.876484595372461]
ブロックチェーンの応用を、温室効果ガスの排出、固体廃棄物、水、プラスチック、食品廃棄物、循環経済など、さまざまな分野の関心事に分類する。
最後に、今後の研究に残るニッチと課題について論じる。
論文 参考訳（メタデータ） (2024-12-16T19:28:45Z) - Global, robust and comparable digital carbon assets [0.28106259549258145]
本稿では,カーボンオフセットの主張を透過的に検証できる新しいデジタルカーボンアセット(PACTステーブルコイン)を提案する。
我々は、低コストなトランザクションを容易にするように設計されたTezosブロックチェーン上で、PACTの炭素安定係数を実装し、評価する。
我々の研究は、高完全性な炭素クレジット取引のための透明でスケーラブルで効率的なフレームワークを提供することで、自発的な炭素市場へのスケールと信頼をもたらします。
論文 参考訳（メタデータ） (2024-03-21T17:35:07Z) - 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) - Harnessing Web3 on Carbon Offset Market for Sustainability: Framework
and A Case Study [7.312288830305857]
ブロックチェーンのサステナビリティへの貢献は重要であり、ブロックチェーンセクターにおける新たな標準としてカーボンオフセットが進化する可能性がある、と私たちは主張しています。
我々の研究は、オンチェーンの炭素市場参加者に対するユニークな洞察、市場の要因、NTTベースの炭素クレジットの価値提案、そして、炭素オフセットの概念を広めるためのソーシャルメディアの役割に影響を及ぼす。
論文 参考訳（メタデータ） (2023-07-26T02:22:13Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳（メタデータ） (2023-03-24T18:32:38Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z)
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。