Supra.com的空投创下了第一层的世界纪录,拥有超过500000名KYC验证用户

币界网發佈於 2024-07-16更新於 2024-07-16

币界网报道:

瑞士楚格,2024年7月16日,Chainwire


在计划的代币生成活动(TGE)之前,Supra是一个完全垂直集成的L1区块链,配备了多VM支持、协议预言机、VRF、网桥和自动化功能,它已经成功验证并认证了50多万用户,这是加密货币历史上最公平的空投之一。

通过进行KYC检查和对50多万经过验证的人类用户进行资格认证,Supra的“Countdown to Blast Off”学习和赚取空投活动成功克服了机器人瘟疫的挑战,近几个月来,机器人瘟疫在数十次高调的空投中引起了重大争议。回想起来,虽然大多数加密项目传统上都试图应对农业机器人的挑战,但Supra决定引入Onfido.com提供的KYC过滤器,这有助于从一开始就防止任何重大问题。

通过验证190多个国家/地区每个用户的活跃度和个人身份证明,Supra确保其Blast Off活动很可能是加密货币领域有史以来最公平的空投。它保证没有机器人或sybil账户能够劫持这一过程,这意味着所有500000多名参与者都是独一无二的、经过KYC验证的人,他们渴望成为其已经充满活力的社区的一部分。


世界纪录TGE和1亿美元生态系统基金

随着Supra接近TGE并启动其高性能、垂直集成的第一层区块链,首席执行官Joshua Tobkin认为,512332名验证用户的数字可能是有史以来任何L1发布的世界纪录。

Tobkin说:“招募这么多用户并让他们参与KYC流程对我们来说是一项重大成就。我不确定该行业是否见过如此多的KYC用户从新区块链的第一天起就成为代币持有者,我们为加密社区向我们提供的支持感到自豪。”。

在接下来的几个月里,Supra计划将其原生的$Supra代币分发给其50多万“倒计时到爆炸”活动用户,以及2023年10月参与公共代币销售的用户。这些参与者很快将加入Supra Layer-1区块链,Supra很荣幸地欢迎他们成为其核心社区的创始成员。

首席执行官Tobkin表示:“我们非常高兴在即将推出的产品中,将SUPRA代币分发给全球190多个国家的50多万真人。实施KYC并不容易,它有其独特的挑战,但保护我们的社区免受机器人和农民的攻击至关重要。即使有了活性和人格证明检查,我们的Project Blast Off也积累了Web3中最大的用户群之一,很快他们都将加入我们的L1区块链。”。

为了准备TGE,Supra最近推出了“超级dApp对决”,为考虑推出dApp的最佳平台的建设者提供了1亿美元的生态系统基金,但除此之外,还为这些建设者提供了向512000名经过验证和活跃用户推出的机会,这是加密货币领域中独一无二的启动平台。

Supra区块链提供了核心服务的完全垂直整合,包括其行业领先的价格馈送、可验证的随机性生成器、自动化和桥接到一个高性能的第一层。Supra的L1旨在减少入职和Web3用户体验方面的摩擦,它由突破性的Moonshot共识机制提供支持,该机制为其网络带来了超快的性能和强大的安全保障。在其先进的全球测试阶段,Supra展示了Moonshot在全球分布的125个节点上每秒处理530k事务的能力,具有500毫秒的乐观最终性和约1.5-2秒的完全最终性,使其领先于许多其他竞争的共识机制。

该团队目前正处于TGE的最后阶段,并将在未来几周公布官方细节。


关于Supra

Supra是一个全新的区块链,它将预言机、桥梁、自动化和随机性垂直整合到一个具有MultiVM兼容性的强大的第1层中。它旨在为开发人员提供在一个链上构建所需的所有工具,从而实现新一代的超级去中心化应用。

Supra也是甲骨文价格馈送和可验证随机性的领先提供商,覆盖80多个区块链,并提供第一层安全保证。他们专注于为dApp开发人员解决实际问题,并扩展Web3,由一个包含广泛指南和技术白皮书的开发人员工具包提供支持。




联系方式

阿维沙伊·利塔尼[email protected]

你可能也喜歡

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

加州理工学院Anima Anandkumar团队利用人工智能攻克了量子化学领域存在60年的计算瓶颈。他们开发的AI模型“Kohn-Sham FNO”将密度泛函理论(DFT)的计算复杂度从传统的立方级降低至近线性级,实现了革命性突破。 传统DFT计算随体系增大,计算量呈立方增长,难以模拟大分子体系。该团队创新性地采用傅里叶神经算子,在DFT的迭代求解流程中替代了最耗时的核心计算步骤,而非直接预测最终结果。这种“思维链”式的分步迭代方法保证了计算的稳定性和外推能力,即使模型输出有误,后续迭代也能纠正,并能在超出能力范围时通过发散发出警报。 该模型仅用8504个结构进行训练,便能同时处理分子和固体材料,覆盖元素周期表前五行元素,展现出优异的泛化能力。在外推至训练集未见的大型药物分子时,其误差远低于直接预测模型。 实际验证中,该模型在单块NVIDIA B300 GPU上成功完成了包含8250个原子(82500个价电子)的金属缺陷模拟,计算完美收敛。相比之下,2019年一项对类似规模体系的全量DFT计算动用了约7800块GPU。实测计算缩放指数为1.03(近线性),而传统方法为3.37(立方级),意味着体系越大,效率优势越显著。 这项研究标志着AI开始替代物理计算中最耗时的重复运算部分。团队已基于此创立公司,并计划进一步完善模型以覆盖完整能量计算流程,未来在药物研发、电池材料设计等领域具有巨大应用潜力。

marsbit35 分鐘前

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

marsbit35 分鐘前

交易

現貨
活动图片