PRISM コンセンサスエンジン
QoreChain は、強化学習による最適化レイヤーである PRISM（Policy-driven Reinforcement-learning for Intelligent State Machines）を、x/rlconsensus モジュールを介してコンセンサスレイヤーに直接組み込んでいます。PRISM は N ブロックごとにチェーンのメトリクスを観測し、固定小数点ニューラルネットワークを通じて推論を実行し、コンセンサスパラメータの調整を提案します。これらはすべて決定論的に行われ、コンセンサスに不可欠な経路で浮動小数点演算を使用しません。
PRISM 最適化ループ: チェーンの状態を観測し、ポリシー推論を実行し、パラメータ変更をクランプして適用し、その結果をフィードバックします。
アーキテクチャ概要
PRISM は 4 つのコンポーネントで構成されています:
- Observation Collector（観測コレクター）— 設定可能な間隔で 25 次元のチェーン状態ベクトルを収集します。
- Policy Network (MLP)（ポリシーネットワーク）— 観測をアクションにマッピングする Go ネイティブの多層パーセプトロンです。
- Reward Computer（報酬計算機）— 重み付き多目的関数を用いてパラメータ変更の品質を評価します。
- Circuit Breaker（サーキットブレーカー）— チェーンの健全性を監視し、不安定性が検出された場合にすべての PRISM 調整済みパラメータを元に戻します。
すべてのコンポーネントは ABCI ライフサイクル内で動作し、すべてのバリデーターノードにわたって決定論的で検証可能な出力を生成します。
ポリシーネットワーク
ポリシーネットワークは、int64 固定小数点演算（10^8 でスケーリング）を用いて Go で完全に実装されたフィードフォワード多層パーセプトロン（MLP）です。
ネットワークアーキテクチャ
| プロパティ | 値 |
|---|---|
| 入力次元数 | 25 |
| 隠れ層 | 2 |
| 隠れ層のサイズ | 256, 256 |
| 出力次元数 | 5 |
| 活性化関数（隠れ層） | ReLU |
| 活性化関数（出力層） | tanh |
| 総パラメータ数 | 73,733 |
| 精度 | int64 固定小数点（10^8 でスケーリング） |
パラメータ数の内訳
Layer 1: 25 * 256 + 256 = 6,656 (input -> hidden_1)
Layer 2: 256 * 256 + 256 = 65,792 (hidden_1 -> hidden_2)
Layer 3: 256 * 5 + 5 = 1,285 (hidden_2 -> output)
Total: 73,733
固定小数点演算
すべての MLP 計算は、FixedPointScale = 10^8 でスケーリングされた int64 値を使用します。これにより、ハードウェアプラットフォーム間での IEEE 754 浮動小数点丸めの差異による非決定性が排除されます。
- 乗算:
fixMul(a, b) = (a / SCALE) * b + (a % SCALE) * b / SCALE（オーバーフローを防ぐために分割） - ReLU:
relu(x) = max(0, x) - tanh:
|x| <= 2.5*SCALEに対してパデ近似tanh(x) ~ x * (3*S - x^2) / (3*S + x^2)、それ以外の場合は +/- SCALE にクランプ
ポリシーの重みは、フラット化された []int64 ベクトルとしてオンチェーンに保存され、ガバナンス提案を通じて更新できます。
観測ベクトル
PRISM は、各観測間隔（デフォルト: 10 ブロックごと）で 25 次元の観測ベクトルを収集します。
| インデックス | 次元 | 説明 |
|---|---|---|
| 0 | block_utilization | ブロックで使用されたガス / ブロックのガス上限 |
| 1 | tx_count | ブロック内のトランザクション数 |
| 2 | avg_tx_size | トランザクションの平均サイズ（バイト） |
| 3 | block_time | 前のブロックからの経過時間（ms） |
| 4 | block_time_delta | ブロックタイムから目標ブロックタイムを引いた値（ms） |
| 5 | gas_price_50th | ガス価格の中央値 |
| 6 | gas_price_95th | 95 パーセンタイルのガス価格 |
| 7 | mempool_size | 保留中のトランザクション数 |
| 8 | mempool_bytes | 保留中のトランザクションの総バイト数 |
| 9 | validator_count | アクティブなバリデーター数 |
| 10 | validator_gini | バリデーターパワー分布のジニ係数 |
| 11 | missed_block_ratio | 署名を逃したバリデーターの割合 |
| 12 | avg_commit_latency | 平均コミットラウンドレイテンシ（ms） |
| 13 | max_commit_latency | 最大コミットラウンドレイテンシ（ms） |
| 14 | precommit_ratio | 受信したプリコミットの割合 |
| 15 | failed_tx_ratio | 失敗したトランザクションの割合 |
| 16 | avg_gas_per_tx | トランザクションあたりの平均ガス消費量 |
| 17 | reward_per_validator | バリデーターあたりの平均報酬（uqor） |
| 18 | slash_count | 観測ウィンドウ内のスラッシングイベント数 |
| 19 | jail_count | 観測ウィンドウ内の収監（jail）イベント数 |
| 20 | inflation_rate | 現在の発行率 |
| 21 | bonded_ratio | ボンドされたトークン / 総供給量 |
| 22 | reputation_mean | アクティブなバリデーター全体の平均評判スコア |
| 23 | reputation_stddev | 評判スコアの標準偏差 |
| 24 | mev_estimate | 抽出された MEV の推定値（ヒューリスティック） |
すべての値は LegacyDec 文字列表現として保存され、推論前に int64 固定小数点に変換されます。
アクション空間
MLP の出力は 5 次元のアクションベクトルであり、各次元はコンセンサスパラメータへの変更提案を表します。tanh 活性化関数は生の出力を [-1, 1] に制約し、その後モード固有の境界によってスケーリングされます。
| インデックス | アクション次元 | 説明 |
|---|---|---|
| 0 | block_time_delta | 目標ブロックタイムへの変更提案（ms） |
| 1 | gas_price_delta | ベースガス価格への変更提案 |
| 2 | validator_set_size_delta | 目標バリデーターセットサイズへの変更提案（ログのみ、適用されない） |
| 3 | pool_weight_rpos_delta | RPoS プール優先度の重みへの変更提案 |
| 4 | pool_weight_dpos_delta | DPoS プール優先度の重みへの変更提案 |
アクションは、適用前に現在の PRISM モードで定義された最大変更境界にクランプされます。
報酬関数
報酬シグナルは、最近のパラメータ変更がチェーンのパフォーマンスをどの程度改善したかを評価します。これは 5 つの目的の重み付き合計として計算されます:
R = 0.30 * delta_throughput
+ 0.25 * delta_finality
+ 0.20 * delta_decentralization
- 0.15 * mev_estimate
- 0.10 * failed_tx_ratio
| コンポーネント | 重み | 方向 | ソースメトリクス |
|---|---|---|---|
| スループット | +0.30 | 最大化 | ブロック利用率の変化 |
| ファイナリティ | +0.25 | 最大化 | プリコミット率の変化 |
| 分散性 | +0.20 | 最大化 | バリデータージニ係数の負の変化 |
| MEV | -0.15 | 最小化 | 現在の MEV 推定値 |
| 失敗トランザクション | -0.10 | 最小化 | 現在の失敗トランザクション率 |
報酬の重みはガバナンスで設定可能であり、合計が正確に 1.0 にならなければなりません。
PRISM モード
PRISM は、ガバナンスで制御可能な 4 つのモードのいずれかで動作します:
| モード | ID | 最大変更 | 動作 |
|---|---|---|---|
| Shadow | 0 | 0% | 観測と推奨事項のログ記録のみ。パラメータは変更されません。これがデフォルトモードです。 |
| Conservative | 1 | +/- 10% | 厳密な境界内でパラメータ変更を適用します。初期の本番デプロイに適しています。 |
| Autonomous | 2 | +/- 25% | より広い境界内でパラメータ変更を適用します。検証済みのポリシーを持つ成熟したネットワーク向け。 |
| Paused | 3 | 0% | PRISM は完全にアイドル状態です。観測は収集されず、推論も実行されません。 |
モードの移行にはガバナンス提案が必要です。推奨されるデプロイ経路は: Shadow → Conservative → Autonomous です。
サーキットブレーカー
サーキットブレーカーは、チェーンの健全性を監視し、不安定性が検出された場合にすべての PRISM 調整済みパラメータを自動的に元に戻す安全メカニズムです。
検出ロジック
サーキットブレーカーは直近の 50 ブロック（circuit_breaker_window で設定可能）を評価します:
- ブロックタイムのデルタを計算 — 連続する各ブロックタイムスタンプのペアについて、ブロックタイムのデルタを計算します。
- 健全なブロックを分類 — ブロックは、そのデルタが正であり、目標ブロックタイムの 2 倍以内であれば健全とみなされます。
- 健全な割合を計算 — 健全な割合 = 健全なブロック数 / 総デルタ数を計算します。
トリガー条件
健全な割合がしきい値（デフォルト: 50%）を下回ると、サーキットブレーカーがトリガーされます。
応答
トリガーされると、サーキットブレーカーは:
- すべての PRISM 適用済みパラメータ（ブロックタイム、ガス価格、プールの重み）をデフォルト値に戻します。
- PRISM を一時停止します（
CircuitBreakerActive = trueに設定）。 - 新しいリロードを強制するため、メモリ内のポリシーをクリアします。
circuit_breaker_triggeredイベントを発行します。
サーキットブレーカーは、その後の評価で健全な割合がしきい値を上回って回復すると、自動的に解除されます。
ロールアップアドバイザリー関数
PRISM は、ロールアップパラメータ最適化のためのアドバイザリー関数を提供します:
SuggestRollupProfile— 現在のチェーン状態を分析し、最適なロールアップ設定パラメータ（ブロックタイム、ガス上限、決済頻度）を提案します。OptimizeRollupGas— メインチェーンの混雑パターンに基づいて、ロールアップ決済トランザクションのガス価格調整を推奨します。
これらの関数は情報提供のみを目的としており、チェーンの状態を変更しません。
決定論的数学ライブラリ
すべての PRISM 計算は、標準の浮動小数点数学に代わる決定論的な代替手段を提供する mathutil パッケージを使用します:
| 関数 | 説明 | メソッド |
|---|---|---|
IntegerSqrt(x) | 平方根 | LegacyDec 上でのニュートン法、100 回反復で収束 |
TaylorLn1PlusX(x) | 自然対数 ln(1+x) | 引数縮小 + 15 項テイラー級数 |
ExpApprox(x) | 指数 e^x | 12 項テイラー級数 |
SigmoidApprox(x) | シグモイド 1/(1+e^-x) | 負の入力に対する対称性を持つ ExpApprox |
ReputationMultiplier(r) | [0,1] を [0.5,2.0] にマップ | スケールとオフセットを持つシグモイド |
すべての関数は cosmossdk.io/math.LegacyDec 値で動作し、すべてのハードウェアプラットフォームおよび Go コンパイラバージョンにわたって同一の結果を保証します。
パラメータ
| パラメータ | 型 | デフォルト | 説明 |
|---|---|---|---|
enabled | bool | true | PRISM を有効化 |
observation_interval | uint64 | 10 | 観測収集間のブロック数 |
agent_mode | PrismMode | 0 (Shadow) | 現在の動作モード |
max_change_conservative | LegacyDec | 0.10 | Conservative モードでの最大パラメータ変更 |
max_change_autonomous | LegacyDec | 0.25 | Autonomous モードでの最大パラメータ変更 |
circuit_breaker_window | uint64 | 50 | サーキットブレーカーが監視する直近のブロック数 |
circuit_breaker_threshold | LegacyDec | 0.50 | トリガー前の最小健全ブロック割合 |
default_block_time_ms | int64 | 5000 | デフォルトの目標ブロックタイム（ms） |
default_base_gas_price | LegacyDec | 100 | デフォルトのベースガス価格 |
default_validator_set_size | uint64 | 100 | デフォルトの目標バリデーターセットサイズ |
reward_weight_throughput | LegacyDec | 0.30 | スループット改善の報酬重み |
reward_weight_finality | LegacyDec | 0.25 | ファイナリティ改善の報酬重み |
reward_weight_decentralization | LegacyDec | 0.20 | 分散性改善の報酬重み |
reward_weight_mev | LegacyDec | 0.15 | MEV 抽出のペナルティ重み |
reward_weight_failed_txs | LegacyDec | 0.10 | 失敗トランザクションのペナルティ重み |
関連項目
- Consensus Mechanism — PRISM が最適化するコンセンサスレイヤー。
- AI Engine — より広範なオンチェーン AI サービスとエンドポイント。
- Tokenomics — RL シグナルが報酬とパラメータ調整にどのように供給されるか。