دانشمندان از فیزیک ذرات برای مهندسی معکوس تصادف فلاش لونا استفاده کردند

برخی از تکنیک های مشابه مورد استفاده برای مطالعه تاریخچه حرارتی جهان را می توان برای درک خرابی ارزهای دیجیتال استفاده کرد.

داگوون: "95 درصد خواهند مرد [coins]، اما تماشای ناپدید شدن شرکت ها نیز سرگرمی است"

۸ روز پیش کنایه آمیز. pic.twitter.com/fEQMZIyd9a

– Peddle (@EncryptedPedro) ۱۱ مه ۲۰۲۲

سقوط ۵ تا ۱۳ می ۲۰۲۲ بیش از ۴۰ میلیارد دلار از ثروت سرمایه گذاران را از بین برد. کمتر از یک سال بعد، دو کوون به ظن تلاش برای فرار از تعقیب کیفری مرتبط با فقدان دستگیر شد.

از آن زمان کتابی نوشته شده است که در مورد شکست Lunacoin و استیبل کوین UST ترا جدا از دلار آمریکا بحث می کند.

در چیزی که به نظر می رسد اولین بار باشد، دانشمندان از مکانیک آماری برای مهندسی معکوس تصادف با استفاده از همان تکنیک های مورد استفاده برای مطالعه فیزیک ذرات استفاده کرده اند.

این مطالعه که در کینگز کالج لندن انجام شد، بر رویدادهای تجاری و سفارشاتی که در طول سقوط رخ داده بودند متمرکز بود. طبق مقاله تحقیقاتی پیش از چاپ تیم:

“ما یک نظم را به عنوان یک ذره فیزیکی با حرکت روی یک محور یک بعدی می بینیم. اندازه مرتبه مطابق با جرم ذره است و مسافت طی شده توسط مرتبه با مسافت طی شده توسط ذره مطابقت دارد.”

از همین تکنیک ها برای ترسیم برهمکنش های ترمودینامیکی، دینامیک مولکولی و سطح اتمی استفاده کنید. با اعمال این موارد در رویدادهای فردی که در یک دوره خاص در یک اکوسیستم محدود مانند بازار لونا رخ می دهد، محققان می توانند بینش های عمیق تری در مورد ریزساختار سکه و دلایل اصلی فروپاشی آن به دست آورند.

این فرآیند شامل دور شدن از تکنیک‌های عکس فوری موجود در رویکرد پیشرفته فعلی، تشخیص ناهنجاری مبتنی بر امتیاز Z، به نمای دقیق زمان وقوع رویدادها بود.

با نگاه کردن به رویدادها به عنوان ذرات، تیم توانست داده‌های لایه ۳ را در تجزیه و تحلیل خود بگنجاند (داده‌های لایه ۱ و لایه ۲ شامل داده‌های ارسال سفارش، لغو و تطبیق است).

به گفته محققان، این “موارد جعل و لایه بندی گسترده در بازار” را کشف کرد که نقش مهمی در سقوط فلش ​​Luna داشت.

سپس این تیم الگوریتم هایی را برای تشخیص لایه بندی و جعل ایجاد کردند. بر اساس این مقاله، این یک چالش بزرگ بود زیرا هیچ مجموعه داده شناخته شده ای در رابطه با سقوط Luna وجود ندارد که حاوی نمونه های دقیق برچسب گذاری شده از جعل یا لایه بندی باشد.

محققان برای آموزش مدل برای تشخیص این فعالیت‌ها در غیاب چنین داده‌هایی، داده‌های مصنوعی ایجاد کردند. پس از آموزش، مدل بر روی مجموعه داده های Luna اعمال شد و با تجزیه و تحلیل های موجود که از طریق سیستم Z-score اجرا می شوند، محک زد.

مربوط: شرکای برتر دانشگاه بریتانیا با استارتاپ هوش مصنوعی برای تجزیه و تحلیل بازارهای ارزهای دیجیتال

محققان نوشتند: “روش ما با موفقیت رویدادهای جعل را در مجموعه داده اصلی بازار تجاری LUNA شناسایی کرد.” پس از آن روش Z-score “تنها در شناسایی جعل ناموفق بود و به طور تصادفی یک سفارش محدود بزرگ را به عنوان جعلی علامت گذاری کرد.”

در آینده، محققان بر این باورند که کار آنها می تواند به عنوان پایه ای برای مطالعه ساختار خرد بازارها در سراسر امور مالی باشد.

Luna Flash Crash گزارش می دهد که Do Kwon، بنیانگذار Terra، به Chester Alexandra Botes آمریکایی-کانادایی گفته است که ۹۵٪ ارزهای رمزنگاری شده شکست خواهند خورد و گفت: “شرکت ها در حال مرگ هستند. تماشای آن سرگرم کننده است.” این اتفاق فقط هشت روز بعد رخ داد.

نویسنده: Tristan Greene