Dynex: Die neuromorphe Quantencomputing-Cloud zur Lösung realer Probleme in den Bereichen KI, Quantencomputing und Forschung

Die Menschen versuchen immer noch, eine bessere Blockchain aufzubauen und ihre Netzwerke anzupassen, um aktuellere Computerherausforderungen zu lösen. Eines davon ist Dynex

Dynex is a blockchain that was launched in 2022. It is aiming to solve “real-world problems” in AI, quantum computing, and research. It is described by its developers as a “distinctive, adaptable blockchain system” and “the world’s only accessible neuromorphic quantum computing cloud.” It harnesses the parallel processing capacity of its GPU-based mining network.

Dynex ist eine Blockchain, die im Jahr 2022 eingeführt wurde. Sie zielt darauf ab, „reale Probleme“ in den Bereichen KI, Quantencomputing und Forschung zu lösen. Es wird von seinen Entwicklern als „unverwechselbares, anpassungsfähiges Blockchain-System“ und „die weltweit einzige zugängliche neuromorphe Quantencomputing-Cloud“ beschrieben. Es nutzt die parallele Verarbeitungskapazität seines GPU-basierten Mining-Netzwerks.

A neuromorphic network, Mapp shares with CoinGeek Backstage, would process information along the same principles as the human brain.

Ein neuromorphes Netzwerk, das Mapp mit CoinGeek Backstage teilt, würde Informationen nach den gleichen Prinzipien wie das menschliche Gehirn verarbeiten.

“A neuromorphic network, in the simplest terms, is emulating the same way the human brain works. So when you’re looking at me, you’re seeing me, you’re hearing something around, you’re smelling—that is all parallel processing in your own brain. And we can simulate the same way that works on our chain,” he says.

„Ein neuromorphes Netzwerk emuliert im einfachsten Sinne die Funktionsweise des menschlichen Gehirns. Wenn du mich also ansiehst, siehst du mich, du hörst etwas um mich herum, du riechst – das ist alles parallele Verarbeitung in deinem eigenen Gehirn. Und wir können die gleiche Art und Weise simulieren, die in unserer Kette funktioniert“, sagt er.

Dynex processes transactions using a custom algorithm called “DynexSolve,” which combines regular proof-of-work (PoW) and a new concept Mapp calls the “proof of useful work” (PoUW) mechanism. The idea of PoUW is to make sure a portion of the computational resources of Dynex’s mining network are dedicated to solving practical problems. Those would include real-world scenarios in scientific research, AI training, pharmaceuticals, logistics, and financial modeling.

Dynex verarbeitet Transaktionen mit einem benutzerdefinierten Algorithmus namens „DynexSolve“, der regulären Proof-of-Work (PoW) und ein neues Konzept kombiniert, das Mapp den „Proof of Useful Work“ (PoUW)-Mechanismus nennt. Die Idee von PoUW besteht darin, sicherzustellen, dass ein Teil der Rechenressourcen des Mining-Netzwerks von Dynex für die Lösung praktischer Probleme verwendet wird. Dazu gehören reale Szenarien in der wissenschaftlichen Forschung, KI-Schulung, Pharmazie, Logistik und Finanzmodellierung.

Its native token is also called Dynex or DNX. Miners receive DNX as a block reward for securing the network just as they do on other PoW blockchains, but also receive an additional subsidy for the “meaningful” computation described above. Mapp says that DynexSolve is a way of combining the two into one processing algorithm.

Sein nativer Token wird auch Dynex oder DNX genannt. Miner erhalten DNX als Blockbelohnung für die Sicherung des Netzwerks, genau wie bei anderen PoW-Blockchains, erhalten aber auch eine zusätzliche Subvention für die oben beschriebene „sinnvolle“ Berechnung. Mapp sagt, dass DynexSolve eine Möglichkeit ist, beides in einem Verarbeitungsalgorithmus zu kombinieren.

He adds that one pharmaceutical research application Dynex is looking at involves protein folding. A pharmaceutical company noticed they’d previously done RNA folding and RNA sequencing.

Er fügt hinzu, dass eine pharmazeutische Forschungsanwendung, die Dynex untersucht, die Proteinfaltung betrifft. Ein Pharmaunternehmen bemerkte, dass es zuvor RNA-Faltung und RNA-Sequenzierung durchgeführt hatte.

“I think we’re up to around 250 amino acid chains. The human body has around 300 in a protein string, so we’re almost fully at human level of protein folding right now. We suspect a couple more months, and we’ll have that fully nailed, and that’s going to open the door to all kinds of new research,” he explains.

„Ich glaube, wir haben etwa 250 Aminosäureketten. Der menschliche Körper besteht aus etwa 300 Proteinen in einer Proteinkette, wir befinden uns also derzeit fast vollständig auf dem menschlichen Niveau der Proteinfaltung. Wir gehen davon aus, dass es noch ein paar Monate dauern wird, und dann haben wir den Nagel auf den Kopf, und das wird die Tür für alle Arten neuer Forschung öffnen“, erklärt er.

LLMs (large language models) are a popular topic in technology, especially with ChatGPT and other similar projects gaining mainstream attention rapidly. Dynex LLM is the project’s home-grown model, and Mapp describes it as a “large behavioral model” based more on how a human mind thinks and learns.

LLMs (große Sprachmodelle) sind ein beliebtes Thema in der Technologie, insbesondere da ChatGPT und andere ähnliche Projekte schnell die Aufmerksamkeit des Mainstreams erlangen. Dynex LLM ist das selbst entwickelte Modell des Projekts und Mapp beschreibt es als „großes Verhaltensmodell“, das eher auf dem Denken und Lernen des menschlichen Geistes basiert.

A lot of Dynex’s work is still in the experimental realm, and its neuromorphic quantum computing concept utilizes ion drifting of electrons, which is different from superconducting qubit-based quantum computing in that it uses “memresistive elements that can quickly react to changes, helping the system swiftly find the best solutions.” It’s an alternative way to potentially achieve quantum computing advantages using the movement of ions within memresistors to change a device’s state.

Ein Großteil der Arbeit von Dynex befindet sich noch im experimentellen Bereich, und sein neuromorphes Quantencomputing-Konzept nutzt die Ionendrift von Elektronen, was sich vom supraleitenden Qubit-basierten Quantencomputing dadurch unterscheidet, dass es „memresistive Elemente verwendet, die schnell auf Änderungen reagieren können und so helfen.“ System findet schnell die besten Lösungen.“ Es handelt sich um eine alternative Möglichkeit, möglicherweise Vorteile im Quantencomputing zu erzielen, indem die Bewegung von Ionen in Memwiderständen genutzt wird, um den Zustand eines Geräts zu ändern.

This is just one computer science problem Dynex hopes to solve, and the team hopes for more breakthroughs.

Dies ist nur ein Informatikproblem, das Dynex zu lösen hofft, und das Team hofft auf weitere Durchbrüche.