Ask MATRIX 第一期互动精选

MATRIX 每周Q&A直播已更名为Ask MATRIX。自5月21日MATRIX向粉丝们征集意见以来，受到了粉丝们的热烈欢迎，许多粉丝纷纷留言互动，关注MATRIX发展。

为了让MATRIX粉丝们多渠道获取MATRIX动态，我们把Ask MATRIX第一期文字版整理如下，视频版已在YouTube播出。我们精选了粉丝们最为关注的三个问题以飨读者，更多具体内容请到MATRIX官方YouTube及GitHub上查看。

June

1

Ask MATRIX #1

1.MATRIX在技术上如何比EOS更加去中心化，共识机制与节点的选择是什么样的？

MATRIX网络使用21个节点作为主节点，即验证交易的主体。不同于EOS，以上21个节点是定期随机选举产生的，其目标是为了保证去中心化和公平性，即没有节点会长期连任。节点需要缴纳一定数量的押金才能参与选举，选举间隔设为10分钟左右。

随机选举算法的伪代码如表1所示。首先，对拥有资质的节点根据算力进行排序，然后依照顺序分配到32个簇。这种分配的目的当然是为了算力的均衡。然后，对每个簇进行迭代操作：即随机组成三个节点的组合，然而在其中投票选择一个胜利者，其中，胜利者的选择可以是根据随机函数，也可以是例如算力、网络带宽和联通能力等的指标。每一轮的胜利者又随机组合为三元组，再次投票，以此类推，直至选出一个最终胜利者作为整个簇的代表，该簇的其它节点就是代表的选民节点。最终的32个代表节点中，21个作为前述验证节点，其余11个作为审计节点监督其它节点是否诚实工作。

MATRIX网络引入了新颖的混合共识机制。在21个代表节点层次，共识机制仍然沿用PoW，即节点互相竞争，首先完成工作证明的节点将取得奖励。另一方面，代表节点与其同簇节点之间是合作关系。也就是说，代表节点可以把交易验证和工作量证明任务分配给其它节点，以并发方式完成相应计算。代表节点这样做的动机在于能够获得更强的算力增加赢得顶层PoW的机会。这样的安排带来三大优势：第一，节点之间的冗余工作大量减少；第二，并行计算全面提升了验证交易的吞吐量和工作量证明的计算性能；第三，区块链网络能够组织为类似于大规模算力输出平台。

MATRIX网络的工作量证明不再依赖传统的哈希计算，而是使用深度学习的训练过程或者贝叶斯推理的马尔可夫蒙特卡洛算法作为工作量证明。也就是说，MATRIX网络的共识机制是针对公益算力而设计的。MATRIX网络配备了专门的机器学习任务发布节点，可以接受需要用户指定的模型和训练数据。21个顶层节点在进行共识计算时，首先从发布节点领取任务，然后竞争完成任务。顶层节点将训练数据和任务分配到选民节点，采用异步分布式并行计算完成机器学习训练过程。例如在深度网络训练任务中，每个节点对一部分训练样本进行处理计算梯度并提交到其它节点，各节点以异步、分布方式更新梯度；同时顶层的21个节点各自带领自己的选民节点进行训练，率先完成训练（例如达到某种识别精度）的代表节点赢得奖励，并与其选民节点共享。

2.共识机制中是否涉及集群的概念，还是只有超级节点？如果存在集群，这些集群是否会对超级节点的工作进行验证？主网启动token swap的日期是?

MATRIX的计划安排是在9月30日，启动测试网络，并同步启动token swap的测试，大家可以在进行稳定测试3个月后，正式启动。同时，我们会正式在12月30日进行主网上线。

另外，MATRIX在Github上已上传根据MATRIX的网络框架设计的P2P代码和主节点选举算法测试版本，另外加密版本也修改为兼容现有标准基础上，更强的安全版本。

而且MATRIX的主节点版本英文翻译正在进行中，关于设置方案和矿工/验证者的配置，技术团队会给出具体的解释，并根据大家的意见进行修改。

3.关于MATRIX开发的进展更新在哪可以看到？在测试网络发布之前，MATRIX还需要完成哪些重要的工作?MATRIX是否会在2018年9月发布测试网络?

我们每个月都会有一个项目开发情况的汇总报告。另外，我们会在每个星期回答大家的问题。

目前的项目计划是：6月30日，将一个多机互联，并能够进行概念测试的Golang版本发布；7月30日，将基于局域网，并支持32个SuperNode的版本，单机性能为1KTPS的版本发布；该框架的设计方案如下：

目前验证的50K TPS的版本是基于3个集群版本，即2个miner+1个验证者，且前端网络采用FPGA的版本，里面没有加入椭圆曲线加密验证，因为这部分我们在最终实现时，采用标准的pcie加密卡辅助实现。

事实上，目前的方案设计，主要的瓶颈在于稳定的网络传输和网络协议处理。为解决这一问题，我们团队新加入了2名华为的技术专家，并基于Intel DPDK方案进行设计。这部分的成果在7月30日会有一个验证模型出现。这种方式能够避免采用专用硬件或者FPGA，仅仅X86处理器就可以完成。