Hypernet

Hypernet

Hypernet es un protocolo para computación paralela de una red descentralizada, dinámica y distribuida que utiliza potencia de computación inactiva. Proporciona un conjunto de API que puede realizar operaciones de datos globales de manera eficiente en un ancho de banda limitado y a través de DAC de consenso promedio distribuido. Con DAC de consenso promedio distribuido en una red descentralizada de dispositivos, las operaciones de datos globales se pueden realizar de manera eficiente.

Un equipo de primer nivel en informática de la Universidad de Stanford creó un nuevo modelo de programación para Hypernet y trabajó arduamente para convertirlo en la columna vertebral de la próxima era de la informática. El equipo ha estado involucrado durante mucho tiempo en la investigación de bitcoin y blockchain, y su compromiso tiene un propósito. Siempre están disponibles para responder preguntas de la comunidad en su Telegram, Slack y tratar de construir y nutrir una comunidad saludable desde el principio.

Los futuros del Nasdaq subieron un 0,5 %, los futuros del S&P 500 subieron un 0,4 %: el mercado mostró que los futuros del Nasdaq subieron un 0,5 %, los futuros del Dow subieron un 0,3 % y los futuros del S&P 500 subieron un 0,4 %. (Diez de oro) [2021/7/23 1:11:22]

El doctorado de Ivan Ravlich en Stanford se centró en la propulsión de cohetes espaciales magnéticos avanzados, así como en la teoría de la gravedad extendida. A lo largo de su carrera, Ivan se dio cuenta de que el poder de la computación es un motor de innovación y es un recurso muy limitado.

Todd Chapman recibió una beca de posgrado en ingeniería y ciencias de la defensa del DoD en la división aeroespacial de Stanford y recibió su doctorado. Los temas en los que ha trabajado incluyen el modelado de atmósferas planetarias en apoyo de la misión Cassini de la NASA y el modelado de explosiones de fondo en colaboración con TARDEC. Los intereses de investigación actuales de Todd son los algoritmos tolerantes a fallas para la computación Exascale distribuida y los métodos de control óptimos para entrenar arquitecturas de redes neuronales estables.

Daniel Maren estudió informática en la Universidad de Stanford. Es un experto en finanzas y energía y ha sido distinguido por Forbes 30 Under 30.

Christopher Hansen estudió ingeniería eléctrica e informática en la Universidad de Stanford. Al unirse a NVIDIA después de completar su maestría, está comprometido con el desarrollo de tecnología de GPU de próxima generación y con el trabajo a la vanguardia de la infraestructura que potencia el aprendizaje automático y la HPC. Con una comprensión del diseño del centro de datos tradicional y sus limitaciones, Christopher está emocionado de explorar el futuro de la computación descentralizada.

Tags：Hypernet

oficial

• 

  Facebook

• 

  Twitter

• 

  Weibo

• 

  YouTube