ビットコイン、イーサリアム、ステーブルコイン、DeFi、スマートコントラクト、スケーリングとコンセンサス。
説明検証可能なエージェント保険で AI エージェントの責任を追及する仕組み
要約本論文は、エージェント提供者が自ら定めたポリシーの遵守を金銭で約束し、その約束とエスクロー資金をブロックチェーン上のスマートコントラクトに記録する「検証可能なエージェント保険（VAI）」の枠組みを提案します。利用者が違反を見つけると、検証者が実行トレースを確認し、違反が確認されれば資金が通報者に支払われます。イーサリアムのレイヤー2上で実装し、3つのベンチマークで評価した結果、既存のエージェントでは違反の42.2%を検出でき、構造化された認可記録を出力させると83.0%に向上しました。
説明問題情報に基づく回路設計による、解釈可能な金融収益向け量子生成器の検討
要約本論文は、関係構造と対称性に着想を得たパラメータ共有を用い、学習可能なパラメータが少なく演算子の役割を検証できる量子回路を構成する、金融収益生成のための問題指向の枠組みを提案する。ハイブリッドWasserstein量子敵対的生成ネットワークの中で3種類の量子生成器を評価し、16ステップのビットコイン収益ウィンドウを生成させた。単層構成も深い構成と同程度の性能を示し、同じ深さではZZ-CRXが設計意図どおり、ZZより中央値のレバレッジが下方にシフトする傾向を示した。
説明FLAI プロトコル：オンチェーン報酬と sPEG 貢献度評価に基づく分散型連合学習
要約本論文は、生データを共有せずに複数の参加者が協調してモデルを学習する仕組みを、分散型で実現する FLAI プロトコルを提案しています。信頼された実行環境（TEE）上での集約検証、稀疏ピア評価グラフ（sPEG）による貢献度評価、オンチェーンでの決済を組み合わせています。画像・テキスト・医療データでの評価では、FedAvg と同等の性能を保ちつつ、公平性と説明責任の向上が示されています。
説明溶液相化学のための溶媒和機械学習原子間ポテンシャル
要約機械学習原子間ポテンシャル（MLIP）の多くは気相データで学習されており、溶液中の化学への利用が制限されてきました。本研究では、再学習なしに既存の気相ポテンシャルへ溶媒依存のエネルギーと力の補正を与える、転移可能な陰的溶媒和ポテンシャルAnySolvを提案しています。DFTとSMDで計算された140万点の溶媒和エネルギーと力で学習し、36種の溶媒を対象とし、学習に含まれない溶媒を含む179種の溶媒に対応しています。
注目点既存の気相ポテンシャルに再学習なしで重ねられる移植可能な溶媒和補正を提案し、大規模DFT-SMDデータと実験溶媒和自由エネルギーで検証しており、影響範囲は広い。
説明EvoQuantLab：学習不要の二重ループ進化による監査可能な定量研究フレームワーク
要約本論文はEvoQuantLabを提案します。これは学習を必要としない二重ループの自己進化型フレームワークで、アルファ因子を自動発見します。内側ループは遺伝的プログラミングで型付きの因子式を進化させ、外側ループは各サイクルの証拠を診断して手順を改善します。さらに多指標検証で見せかけの因子を除外します。CSI 500とS&P 500の日次データで年率リターン18.34%と21.30%、高頻度の暗号資産データで37.91%を報告しています。
