本稿について
本稿では、The ZILLIQA Technical Whitepaper Version0.1の「VII. Smart Contract Layer」の「B Smart Security Budgeting」と「C Scalable Applications: Examples」の日本語訳を掲載します。プログラム的な構造体や変数を主に意図して記載されている語（プログラムの自体で記述されている語）に関しては日本語ではなく英語のまま記載します。
原文はこちらになります。
スポンサードサーチ
7 スマートコントラクトレイヤ（続き）
B. スマートセキュリティの予算編成
データフローコンピュテーションモデルがもたらす並列処理の恩恵とは別に、ZILLIQAはさらにコンピュテーショナルシャーディングの柔軟なセキュリティ予算編成メカニズムを提供する。この機能はコンセンサスプロセス上のオーバレイを介してブロックチェーンネットワーク内の計算リソースをシャーディングすることで有効になる。コンピュテーショナルシャーディングは、ZILLIQAのユーザとZILLIQA上で稼働するアプリケーションがそれぞれのサブタスクを計算するためのコンセンサスグループのサイズを定めることができるようにする。各コンセンサスグループには同じサブタスクを計算処理するタスクが与えられ、結果を出力する。ユーザは結果の了承についての条件を定めることができる。例えば、コンセンサスグループの全員が同じ結果を出力しなければならない、コンセンサスグループの3/4が同じ結果を出力しなければならないなどといった具合である。
ZILLIQA上で稼働するアプリケーションのユーザは、どれだけ計算処理とセキュリティの双方にお金を支払いたいかの予算編成ができる。特に、個別のディープラーニングアプリケーションを動かすユーザは、あまりにたくさんのノードに同じ計算を繰り返してもらうというよりも、より多くの異なるニューラルネットワークタスクを実行することにgas手数料を払う可能性がある。この場合、各ニューラルネットワークを実行するためのより小規模なコンセンサスグループを定めることができる。一方、より高い精度が必要な洗練されたフィナンシャルモデリングアルゴリズムは、潜在的な不正や結果の恣意的操作に対してもっと耐性を高めるようにアルゴリズムの重要な部分を計算するようコンセンサスグループのより多くのノードにタスクを任せるかもしれない。
C. スケーラブルアプリケーションの例
ZILLIQAはいくつか例を挙げるとデータマイニングや機械学習、フィナンシャルモデリングのような多くの分野の非常にスケーラブルな計算を実行するためのプラットフォームを提供することを目的としている。チューリング完全なプログラムの効率的なシャーディングをサポートすることは大変困難であり、かつチューリング完全なスマートコントラクトをサポートするパブリックブロックチェーン（例.Ethereum）も存在するので、ZILLIQAは今日要件が合わない特定のアプリケーションに焦点を当てている。
- 並列処理可能で計算負荷のある計算
莫大なデータに対する科学的計算は大量の分散コンピューティングパワーを要する典型例である。さらに、これらの計算の大半は高度に並列化可能である。例としては特に大きな行列の線形代数計算や膨大なデータからの検索、大きなデータセットのシミュレーションなどが挙げられる。ZILLIQAはこのような計算タスクに安価でターンアラウンドタイムの短い代替手法を提供する。さらに、コンピュテーショナルシャーディングに対する正当なインセンティブとセキュリティ予算編成により、ZILLIQAを重たい計算負荷にとってすぐに利用できて非常に信頼できるリソースとして利用することができる。 - ニューラルネットのトレーニング
機械学習（特にディープラーニング）の人気とユースケースのさらなる増加により、大量のデータセットに対してディープラーニングモデルがトレーニングできるインフラを整備することは不可欠となっている。大量のデータセットに対してのトレーニングがモデルの正確さに非常に重要であることはよく知られている。この目的を達するために、ZILLIQAのコンピュテーショナルシャーディングとデータフロー言語はとりわけ機械学習のアプリケーションを構築するのに有用である。これらは、ZILLIQAのノードのグループに勾配の計算やアクティベーション関数の適用、Train-Lossの計算などといった異なる計算を独立して実行するようタスクを与えることで、TensorFlowのようなツールを動かすインフラとしての役割を果たす。 - 高い複雑性と高精度のアルゴリズムを持つアプリケーション
上述のようなアプリケーションと異なり、フィナンシャルモデルに対する計算などのアプリケーションは高い精度が必要かもしれない。計算の一部分におけるどんな小さなズレでも投資における重大な損失を招くおそれがある。このようなアプリケーションは、ZILLIQAのより多くのノードからなるコンセンサスグループに計算結果を互いにクロスチェックできるようにタスクを与えることができる。このようなフィナンシャルモデリングアルゴリズムの計算タスクをZILLIQAのようなパブリックなプラットフォームにオフロードすることの主要な課題は、データプライバシーとアルゴリズムの知的財産にまつわるものである。まず、効率的かつセキュアな計算を最優先とするもの向けに、このような計算のうちのはっきりと分かっている一定部分はZILLIQAで実行できるようになると予想している。その一方で、将来のZILLIQAの研究・開発がさらにこのようなアプリケーションに関するデータプライバシーと知的財産の保護を強化することになるだろう。
（ZILLIQAホワイトペーパー日本語訳8 ←← 前）｜（次 →→ ZILLIQAホワイトペーパー日本語訳10）
免責
邦訳には誤りがある場合がございます。予めご承知おき下さい。
確実な情報を知るためには冒頭に示した原文をご参照くださいますようお願いいたします。