Velas团队进行了基础研究，以了解如何在区块链架构中实现AI以优化整个网络的性能。 基于这项研究，我们正在设计和开发两个创新的生态系统组件 — AIDPoS共识算法和分布式学习。
我们正在设计和开发两个创新的生态系统组件-AIDPoS共识算法和分布式学习。
AIDPOS共识机制
AIDPOS的主要原理是使用AI使区块链适应网络中的当前情况，主要是在最合理的范围内保持性能和弹性水平。这是通过将设计好的模型嵌入每个完整节点中来实现的。该模型基最后一个时期收集的数据为区块链生成关键参数的最佳值。
像这样将AI和区块链技术整合在一起的最有希望的领域之一是基于机器学习技术的“推荐算法”的开发和培训，这将提供网络参数和共识智能合约的动态变化从一个时代到另一个时代这样的算法应确保Velas区块链网络对其所有参与者保持安全，有弹性和高效。 Velas建议使用前一时期的全局网络状态数据和本地节点状态数据进行预测。推荐程序算法将充当网络的“监护人”。
这里有两个主要概念对于网络的正常运行很重要-性能和弹性。可以通过两个简单的指标来衡量性能：吞吐量（通过每秒事务数来衡量）和事务确认时间。弹性是区块链抵御任何类型的攻击并在这些事件发生时正常运行的能力。确保Velas保持弹性的两个主要特征是安全性（攻击者需要花费大量资源才能破坏区块链）和去中心化，这可以描述为没有单点故障。
分布式学习
我们建议利用Velas网络参与者的计算资源进行分布式计算，并为机器学习和深度学习领域的外部开发人员构建基础架构。这一先进的解决方案将使网络用户能够通过其计算能力获利，并因其提供的Velas代币和奖励服务而赢得声誉。此外，这将使外部实体能够最大限度地利用和利用Velas社区的分布式力量来执行个人任务。
使用神经网络模型和最受欢迎的支持框架的最佳实践是Tensorflow和PyTorch。假定将实现类似于Horovod，但同时支持gRPC协议和完全分散的计算。通常，用于分布式计算的解决方案应该是灵活的，适应性强的，并基于流行的，公认的开源框架。因此，用户不必“学习”新工具，并且社区会尽快消除框架的错误和问题。而且，编写完全自定义的培训脚本不会有任何进入障碍。
用户将能够独立地选择满足其教学模型所需任务的范例。
开发的分布式学习技术的用例之一是在新数据上训练最佳Velas网络参数的推荐模型时确保去中心化（前提是模型训练适合分布式学习范式并且需要大量的计算资源）。与在单个服务器上进行集中培训不同，通过这种方法，培训将在Velas网络节点的计算能力上进行，从而使培训诚实而开放。而且，任何网络成员都将能够测试经过训练的模型，以确保学习结果正确。
主要成果
主要结果是带有基于ML / DL技术的推荐模型的Velas区块链的第一个版本。 在过去的6个月中，我们已经完成了以下工作内容：
· 优化功能，区块链特征和参数的形式化
· 开发和启动模拟基础架构。
· 节点具有形式化功能，它的日志数据类似于用于训练ML / DL算法的数据。
主要交付成果：
· 累积历史数据集
· 开发数据收集脚本；
· Velas区块链仿真模型的第一个版本；
· 从模拟过程中收集的数据；
· AIDPOS的概念。 经过训练的模型，用于优化目标函数。
Velas AI模块应该可以将区块链配置调整为来自历史数据集和来自N-1时期里的适当数据。
总结
在进行了基础研究之后，我们正在尝试创建一个由AI赋予功能的独特区块链平台。 这将引导我们创建一个复杂的适应性生态系统，作为其核心理念，为参与者提供可持续性，高性能和经济平等性。 为了实现这些协同效应，我们将首先介绍AIDPOS共识和分布式机器学习系统。 但是，Velas生态系统中的AI实施不限于这些功能。 在不久的将来，我们计划开发有价值的产品，这些产品还将通过先进的AI技术得到增强。
这是一篇简要概述了Velas产品和其团队在过去一年中一直在努力的文章之一。涵盖了从AIDPOS到集成加密钱包以及两者之间的所有内容。不要错过它！
