Bittensor는 광업을 주요 목적으로 만드는 블록 체인이며, 모든 디지털 서비스가 자격을 갖춘 정도까지 추상화합니다.

따라서 블록 체인은 기계 인텔리전스의 시장이되기위한 것입니다. 이제 연구 스타트 업은 신약의 발견을 가속화하기 위해이를 사용하려고합니다.

Bittensor is a blockchain that makes mining its main purpose—and abstracts it to such an extent that any digital service can qualify. The blockchain is thereby intended to become a marketplace for machine intelligence. Now, a research startup wants to use it to accelerate the discovery of new drugs.

Bittensor는 광업을 주요 목적으로 만드는 블록 체인이며, 모든 디지털 서비스가 자격을 갖춘 정도까지 추상화합니다. 따라서 블록 체인은 기계 인텔리전스의 시장이되기위한 것입니다. 이제 연구 스타트 업은 신약의 발견을 가속화하기 위해이를 사용하려고합니다.

Often that’s hot air—even for us it’s hard to determine whether something is bullshit or revolutionary. An example of a story that could be either intriguing or just hot air recently appeared in Forbes: This decentralized AI, the magazine headlines, „could revolutionize drug development.“

종종 그것은 더운 공기입니다. 우리에게도 무언가가 헛소리인지 혁명적인지를 결정하기가 어렵습니다. 최근에 흥미가 있거나 열악한 공기가 최근에 Forbes에 나타날 수있는 이야기의 예입니다. 잡지 헤드 라인 인이 분산 된 AI는 약물 개발을 혁신 할 수 있습니다. "

What is meant here is a neural network, specifically designed for drug research and decentralized via the Bittensor (TAO) blockchain. This revives an old idea: performing cryptocurrency mining not through “useless” hashes, but through scientific computation. About eight to ten years ago, coins like Gridcoin tried this—without ever succeeding in truly decentralizing scientific mining.

여기에서 의미하는 것은 약물 연구를 위해 특별히 설계되었으며 Bittensor (TAO) 블록 체인을 통해 분산 된 신경망입니다. 이것은 "쓸모없는"해시를 통해가 아니라 과학적 계산을 통해 암호 화폐 채굴을 수행하는 오래된 아이디어를 부활시킵니다. 약 8 ~ 10 년 전, 그리드 코인과 같은 동전은 과학 광업을 진정으로 분산시키는 데 성공하지 않고 이것을 시도했습니다.

Could it be possible that the combination of modern staking mechanisms and neural networks will finally make this endeavor feasible?

현대적인 스테이 킹 메커니즘과 신경망의 조합이 마침내이 노력을 실현시킬 수 있을까요?

Simulating Chemical Reactions at the Atomic Level

원자 수준에서 화학 반응을 시뮬레이션합니다

Drug development is typically a very long and arduous process, involving hundreds of steps and taking on average more than 13 years.

약물 개발은 일반적으로 수백 단계를 포함하고 평균 13 년 이상을 차지하는 매우 길고 힘든 과정입니다.

However, this process can be simplified and improved using artificial intelligence and molecular simulations. Instead of developing and testing drugs physically, compounds are constructed and simulated in computers. This allows researchers to test more molecular candidates in less time—at least, that is the hope currently permeating the pharmaceutical industry.

그러나이 과정은 인공 지능 및 분자 시뮬레이션을 사용하여 단순화되고 개선 될 수 있습니다. 약물을 물리적으로 개발하고 테스트하는 대신 화합물이 컴퓨터에 구성되고 시뮬레이션됩니다. 이를 통해 연구원들은 더 적은 시간 안에 더 많은 분자 후보를 테스트 할 수 있습니다. 적어도 현재 제약 산업에 스며드는 희망입니다.

In April, Rowan Labs launched a specialized neural network for this purpose called Egret-1. Its goal is to simulate chemical reactions at the atomic level. Until now, this has been incredibly resource-intensive—even scientific supercomputers require a lot of time to realistically simulate just a handful of atoms for a few seconds. Rowan aims to improve this, not by training its neural network on internet data, as ChatGPT does, but by using quantum mechanical equations. The AI learns to reconstruct the results of those equations.

4 월, Rowan Labs는 EGRET-1이라는이 목적을 위해 특수 신경망을 시작했습니다. 목표는 원자 수준에서 화학 반응을 시뮬레이션하는 것입니다. 지금까지, 이것은 엄청나게 자원 집약적이었습니다. 심지어 과학적 슈퍼 컴퓨터는 몇 초 동안 소수의 원자를 현실적으로 시뮬레이션하는 데 많은 시간이 필요합니다. Rowan은 Chatgpt와 마찬가지로 인터넷 데이터에 대한 신경망을 훈련시키는 것이 아니라 양자 기계식 방정식을 사용하여이를 개선하는 것을 목표로합니다. AI는 이러한 방정식의 결과를 재구성하는 법을 배웁니다.

For models like Egret-1 to be successful, however, Rowan explains they require “much more high-quality data generated through density functional theory (DFT). To generate this data, Egret-1 will leverage the decentralized computing power of the Bittensor network to perform these simulations.”

그러나 EGRET-1과 같은 모델이 성공하기 위해서는 Rowan이“밀도 기능 이론 (DFT)을 통해 생성 된 훨씬 더 많은 고품질 데이터가 필요하다고 설명합니다.이 데이터를 생성하려면 Bittensor 네트워크의 분산 된 컴퓨팅 능력을 활용하여 이러한 시뮬레이션을 수행 할 것입니다.

This subnet is part of the Bittensor blockchain (more on that in a moment). The goal is to create a mesh of Bittensors subnets, which are launched by startups. Macrocosmos was established recently, in 2024.

이 서브넷은 Bittensor 블록 체인의 일부입니다 (잠시 후에는 자세히 설명). 목표는 신생 기업이 시작하는 비트 텐저 서브넷의 메쉬를 만드는 것입니다. Macrocosmos는 최근 2024 년에 설립되었습니다.

A GROMACS subnet (SN25) is designed to lower the cost of protein folding simulations. It employs the GROMACS standard—to simulate protein folding—but integrates this into a competitive design. This structure incentivizes miners to develop machine-learning models that solve protein folding as efficiently as possible. Validators in the system check miners’ outputs using specific heuristics. The miners who perform best receive tokens from Bittensor—TAO—as a reward.

Gromacs 서브넷 (SN25)은 단백질 폴딩 시뮬레이션 비용을 낮추도록 설계되었습니다. 단백질 폴딩을 시뮬레이션하기 위해 Gromacs 표준을 사용하지만이를 경쟁 디자인으로 통합합니다. 이 구조는 광부에게 단백질 폴딩을 가능한 한 효율적으로 해결하는 기계 학습 모델을 개발하도록 장려합니다. 시스템의 유효성 검사기는 특정 휴리스틱을 사용하여 광부의 출력을 확인합니다. BEST를 수행하는 광부는 Bittensor (Tao)로부터 토큰을 보상으로받습니다.

This competitive process is intended to reduce costs and boost efficiency. Currently, there are 30 active validators simultaneously conducting more than 3,000 simulations; since June 2024, over 400,000 protein folding tasks have already been completed. That’s still far from what AlphaFold accomplishes—but it’s a beginning.

이 경쟁 프로세스는 비용을 줄이고 효율성을 높이기위한 것입니다. 현재 3,000 개 이상의 시뮬레이션을 수행하는 30 개의 활성 유효성 검사기가 동시에 있습니다. 2024 년 6 월 이후 40 만 개가 넘는 단백질 폴딩 작업이 완료되었습니다. 그것은 여전히 ​​Alphafold가 성취하는 것과는 거리가 멀지 만 시작입니다.

The Abstraction of Mining

광업의 추상화

To understand Macrocosmos, there’s no way around delving into Bittensor itself. The core idea behind Bittensor is quite fascinating:

Macrocosmos를 이해하려면 Bittensor 자체를 탐구하는 방법이 없습니다. Bittensor의 핵심 아이디어는 매우 매력적입니다.

One can think of Bitcoin as a decentralized marketplace for digital goods—a market that rewards miners for generating hashes. For Bitcoin, this market is simply a means to an end: securing consensus over a digital ledger (the blockchain) to facilitate a decentralized transaction system. Bittensor, by contrast, makes the digital goods marketplaces an end in themselves.

비트 코인을 디지털 상품의 분산 시장으로 생각할 수 있습니다. 이는 해시 생성에 대한 광부에게 보상하는 시장입니다. 비트 코인의 경우,이 시장은 단순히 종말의 수단입니다. 분산 된 트랜잭션 시스템을 용이하게하기 위해 디지털 원장 (블록 체인)에 대한 합의를 확보합니다. 대조적으로 Bittensor는 Digital Goods 시장을 그 자체로 끝납니다.

Bittensor’s core innovation is the separation of the blockchain’s core function (transferring value, etc.) from the operation of the validation system, which defines how the digital goods marketplaces are created. This is important: in classical consensus mechanisms like Proof of Work and Proof of Stake, the consensus algorithm includes the rules for when a consensus-relevant input—a hash or a stake—is valid. Bittensor, however, determines only under which circumstances the consensus itself becomes effective.

Bittensor의 핵심 혁신은 Digital Goods Marketplaces가 어떻게 생성되는지 정의하는 검증 시스템의 운영에서 블록 체인의 핵심 기능 (전송 가치 등)을 분리하는 것입니다. 이것은 중요합니다 : 작업 증명 및 지분 증명과 같은 고전적인 합의 메커니즘에서 합의 알고리즘에는 합의 관련 입력 (해시 또는 스테이크)이 유효한 경우에 대한 규칙이 포함됩니다. 그러나 Bittensor는 컨센서스 자체가 효과가되는 상황 만 결정합니다.

The consensus tasks themselves can be written in any language and are validated entirely off-chain—allowing large volumes of data and computing power to be employed. “Bittensor brings the same sort of abstraction that Ethereum added to Bitcoin by introducing smart contracts to Bitcoin’s inverse innovation—the digital marketplaces.”

컨센서스 작업 자체는 모든 언어로 작성 될 수 있으며 전적으로 쇄외로 검증되어 대량의 데이터와 컴퓨팅 파워를 사용하여 사용합니다. "Bittensor는 Bitcoin의 역 혁신, 디지털 시장에 스마트 계약을 도입함으로써 Ethereum이 Bitcoin에 추가 한 것과 동일한 종류의 추상화를 가져옵니다."

Just as Ethereum abstracts transaction logic and enables the construction of diverse systems, Bittensor makes it possible to allow even complex and fuzzy mechanisms as consensus work: for example, machine intelligence, protein folding, data storage, model training, and more.

이더 리움이 트랜잭션 논리를 요약하고 다양한 시스템의 구성을 가능하게하는 것처럼, Bittensor는 예를 들어 기계 지능, 단백질 폴딩, 데이터 저장, 모델 교육 등의 합의 작업과 같은 복잡하고 퍼지 메커니즘을 허용 할 수있게합니다.

Bittensor does not define the consensus task itself, but rather

Bittensor는 컨센서스 작업 자체를 정의하지 않고 오히려