面向人工智能的可持续高性能集群计算：基于区块链的贝叶斯时间衰减信任机制
分布式、并行与集群计算
2025-12-01 v1
摘要
在可持续性至关重要的时代，高性能计算与智能算法的重要性不容置疑。然而，这些领域往往需要巨大的计算资源，导致大量能源消耗，可能边缘化较弱的计算系统。显然，我们需要一种更加包容、可扩展且环保的智能算法开发与实现方法。本文提出的策略为这些问题提供了引人注目的解决方案。我们展示了全新的框架，将高性能集群计算与智能算法无缝融合，置于区块链基础设施之中。这既提升了效率，也促进了广泛参与。其核心设计将 proof-of-work 共识过程演进，使计算工作直接与生成区块的奖励挂钩。这确保了最佳资源使用和来自广泛计算能力范围的参与。此外，我们的方法融入了动态的"信任评级"，该评级基于准确区块验证的历史记录演化。这一评级决定了节点被选为区块生成者的概率，构建了一个以真实且准确贡献为基础的制度。为进一步平衡各方， 我们建议一种统计的"抽签"机制，使即使计算能力较弱的节点也有机会参与区块创建过程。
引用
@article{arxiv.2511.21844,
title = {A Sustainable and Reward Incentivized High-Performance Cluster Computing for Artificial Intelligence: A Novel Bayesian-Time-Decay Trust Mechanism in Blockchain},
author = {Murat Yaslioglu},
journal= {arXiv preprint arXiv:2511.21844},
year = {2025}
}