挖矿与模型

NEB 矿工

我们在链上看到的每个矿工锁,按过去 24 小时的出块份额排名。

矿工

份额根据过去 24 小时区块的 coinbase 统计 · 1,451 个区块

100.0% 未标注
集中度 · 24 小时最大矿工32.0%前 3 名86.6%中本聪系数2有效矿工数3.9活跃锁15

份额和区块数由我们根据每个区块的第一个 coinbase 输出(矿工锁)计算。矿池从同一个锁付款,因此一行可能代表许多矿工。显示“—”的矿工在过去 24 小时内没有挖到区块。运营矿池或知名矿工?把你的收款地址发给我们加入 config/labels.json,该行就会显示你的名称。

挖矿训练的模型

NEB 的工作量证明是一个小型神经网络的一次训练步骤。链上保存两个模型并存储它们的权重。

下一个区块训练
槽位 0
kepler-v2 · 高度 3,080
每区块份额数
20.8
最近 100 个区块的平均值
每个模型的权重
26,000
4 位整数,−8 到 7(KEP1)
组合状态哈希
fe3af076…e4d74f
最新区块时两个模型的状态
槽位 0

开普勒凌星信号

偶数高度

开普勒太空望远镜观测到的恒星光变曲线,每条都围绕周期性的亮度下降折叠。模型学习区分行星候选体与假阳性(13,404 个已标注信号)。

数据集
kepler-v2
权重哈希
6664cf3032…46ce455b
状态所在
区块 3,079
权重
26,000 个(4 位,打包后 13,000 字节)
自创世以来的变化3,229 / 26,000 · 12.4%

第 5 层权重(32 × 768)

将鼠标悬停或点击热图以读取权重。
槽位 1

TESS 食信号

奇数高度

来自 TESS 任务的信号(Astronet-Triage-v2,Tey 等,2023),同样采用两种视图。模型学习区分真实的食与噪声(2,363 个食,4,726 个噪声信号)。

数据集
tess
权重哈希
354e361f7b…c20529da
状态所在
区块 3,079
权重
26,000 个(4 位,打包后 13,000 字节)
自创世以来的变化2,865 / 26,000 · 11.0%

第 5 层权重(32 × 768)

将鼠标悬停或点击热图以读取权重。

NEB 挖矿原理

在比特币中,一次出块尝试是一次哈希。在 NEB 中,一次尝试是一次梯度计算:矿工对区块头做哈希,用哈希值从公开数据集中选出 16 个样本,让它们通过当前模型,并计算每个权重应如何调整才能在这些样本上表现更好。梯度与区块头一起哈希成一张票据;低于目标值的票据即找到区块。一次尝试大约耗费一个 CPU 核心 2 毫秒。

未达到区块目标、但达到一个容易 32 倍的目标的尝试称为份额。下一个区块最多携带 256 个份额,它们的梯度求和后作为一次训练步骤应用到模型上。寻找区块所花费的算力没有被浪费:它在训练模型,每个节点都会从创世区块重放训练过程,并逐位得到相同的权重(仅使用整数运算)。

区块在两个模型之间交替:偶数高度训练槽位 0,奇数高度训练槽位 1。两者是相同的小型卷积网络(KEP1,26,000 个 4 位权重)。难度按 ASERT 调整,目标是每 60 秒一个区块。区块奖励为 20 NEB,每 450,000 个区块减半,其中 5% 归项目份额锁。参见算力和经济模型页面。

规范:NEB 仓库中的 spec/shares.md 和 spec/nebhash-v2.md。模型数据来自节点的 getmodel 和 getinfo。

矿工份额由我们根据区块 coinbase 统计。NEB Explorer 与任何矿工或矿池均无关联。

NEB 矿工与模型 · NEB Explorer