Phương pháp Monte Carlo chuỗi Markov làm công cụ tính toán cho việc xác minh tài sản vật lý được mã hóa theo nhóm 1a của Basel SCO60.

Một khuôn khổ toán học để tạo ra các tài sản được mã hóa hạng nhất bằng cách sử dụng kiến trúc đồng thuận Oracle liên tục của giao thức CVR.

Tác giả
Abel Gutu — Người sáng lập kiêm CEO của LedgerWell Inc. Nhà thiết kế và kiến trúc sư của Giao thức CVR.
Robert Stillwell — Đồng sáng lập & Giám đốc công nghệ (CTO) của LedgerWell Inc. / Giám đốc điều hành (CEO) của DaedArch Corporation. Người xây dựng cơ sở hạ tầng kỹ thuật giao thức CVR.

Ngày
Tháng 3 năm 2026

Xây dựng dựa trên
ethresear.ch/t/23577 · ethresear.ch/t/23609

Từ khóa
MCMC · Kết hợp Bayes · Đồng thuận Oracle · Basel SCO60 · Nhóm 1a · Mã hóa RWA · Giao thức CVR · Mô hình Markov ẩn

Tóm tắt

Bài báo này giới thiệu Markov Chain Monte Carlo (MCMC) như là công cụ tính toán giúp cho cơ chế đồng thuận oracle Bayesian có trọng số uy tín của Giao thức CVR trở nên khả thi ở quy mô tổ chức, và chứng minh rằng công cụ này chính xác là cơ chế toán học cần thiết để tạo ra các tài sản vật lý được mã hóa đáp ứng các điều kiện phân loại Nhóm 1a của Ủy ban Basel về Giám sát Ngân hàng theo SCO60. Mạng lưới oracle của Giao thức CVR — có nền tảng toán học được thiết lập trong [1] và [2] — cấu thành một Mô hình Markov ẩn (HMM) hoạt động trên các trạng thái vật lý liên tục của các tài sản trong thế giới thực. MCMC, cụ thể là thuật toán Metropolis-Hastings được áp dụng cho hậu nghiệm uy tín oracle, cung cấp các đảm bảo hội tụ có thể ánh xạ trực tiếp đến yêu cầu phân loại 'trên cơ sở liên tục' của SCO60. Chúng tôi xây dựng phương pháp định lượng Chiết khấu Xác minh từ khoảng tin cậy hậu nghiệm MCMC, mở rộng công thức trọng số rủi ro Basel được giới thiệu trong [1] để kết hợp đầy đủ sự không chắc chắn hậu nghiệm và chỉ ra rằng chỉ có mạng lưới oracle được giám sát liên tục, có khả năng chống lại các cuộc tấn công đối nghịch, đáp ứng các điều kiện hội tụ của chúng tôi mới có thể tạo ra các yêu cầu hàng hóa vật chất được mã hóa đáp ứng đồng thời cả bốn điều kiện phân loại Nhóm 1a của SCO60. Việc triển khai giao thức CVR trong canh tác carbon hợp tác xã ở Ethiopia được sử dụng làm trường hợp thực nghiệm chính xuyên suốt.

1. Giới thiệu và Động lực

Ủy ban Basel về Giám sát Ngân hàng đã hoàn thiện tiêu chuẩn thận trọng đối với tài sản tiền điện tử (SCO60) vào tháng 12 năm 2022 và sửa đổi vào tháng 7 năm 2024, với việc thực hiện đầy đủ vào ngày 1 tháng 1 năm 2026. Tiêu chuẩn này tạo ra một hệ thống phân loại bốn cấp, trong đó các tài sản truyền thống được mã hóa thuộc Nhóm 1a — những tài sản mang lại quyền pháp lý tương đương với các tài sản vật chất tương ứng — được hưởng cách xử lý vốn của tài sản cơ sở thay vì phải chịu mức trọng số rủi ro 1.250% áp dụng cho các tài sản tiền điện tử chưa được phân loại. Đối với các hàng hóa vật chất được mã hóa — tín dụng carbon, nông sản, đất đai — phân loại Nhóm 1a là yếu tố quyết định giữa một loại tài sản khả thi cho các tổ chức và một ngõ cụt về mặt pháp lý.

Rào cản quan trọng đối với việc phân loại tài sản vật chất được mã hóa vào Nhóm 1a không phải là cấu trúc pháp lý, mà là quá trình xác minh liên tục. Chuẩn mực SCO60 yêu cầu các ngân hàng đánh giá các điều kiện phân loại trên cơ sở "liên tục", rằng tài sản được mã hóa "mang lại cùng mức độ quyền pháp lý như các hồ sơ quyền sở hữu dựa trên tài khoản truyền thống đối với hàng hóa vật chất", và rằng mạng lưới "không gây ra rủi ro đáng kể đối với khả năng chuyển nhượng, tính cuối cùng của việc thanh toán hoặc khả năng chuộc lại". Đối với các tài sản vật chất có giá trị phụ thuộc vào các điều kiện thực tế thay đổi liên tục — như khả năng hấp thụ carbon trong đất, tính toàn vẹn của tán cây, nguồn gốc chuỗi cung ứng — việc đáp ứng các điều kiện này đòi hỏi một khung toán học để xác minh trạng thái vật lý liên tục và có khả năng chống lại các tác nhân gây hại. Cho đến nay, chưa có khung nào như vậy được quy định chính thức cho các hệ thống oracle blockchain.

Bài báo này cung cấp khuôn khổ đó. Nó xây dựng trực tiếp trên mô hình uy tín của oracle và kiến trúc ba lớp được giới thiệu trong [1] và đặc tả toán học của Giao thức CVR trong [2]. Chúng tôi chỉ ra rằng sự kết hợp Bayes có trọng số uy tín được sử dụng trong các bài báo đó là một trường hợp cụ thể của MCMC được áp dụng cho phân phối hậu nghiệm về độ tin cậy của oracle, và định lý ergodic của MCMC cung cấp sự đảm bảo hội tụ giúp cho việc xác minh tài sản vật lý liên tục có thể được chứng minh về mặt toán học chứ không chỉ đơn thuần là khẳng định.

Luận điểm cốt lõi: Một tài sản vật lý được mã hóa có trạng thái cơ bản được giám sát liên tục bởi mạng lưới oracle của Giao thức CVR hội tụ MCMC đáp ứng tất cả bốn điều kiện phân loại Nhóm 1a của SCO60. Giá trị tài sản có trọng số rủi ro của nó có thể được tính toán từ khoảng tin cậy hậu nghiệm MCMC — chứ không phải từ trọng số mặc định 1.250% được áp dụng cho các tài sản tiền điện tử chưa được xác minh.

2. Giao thức CVR như một mô hình Markov ẩn

2.1 Định nghĩa không gian trạng thái

Giả sử trạng thái vật lý thực sự của một tài sản tại thời điểm t là biến ẩn Sₜ, biến này không thể quan sát trực tiếp. Đối với một địa điểm hợp tác xã canh tác carbon, Sₜ là một vectơ các biến vật lý:

Vectơ trạng thái vật lý — không thể quan sát trực tiếp

Sₜ = (Cₜ, Wₜ, Bₜ, Pₜ)

Trong đó, Cₜ là lượng carbon tích trữ trong đất (tCO₂e trên mỗi hecta), Wₜ là độ sâu mực nước ngầm (mét), Bₜ là tính toàn vẹn của ranh giới (nhị phân), và Pₜ là tỷ lệ mật độ tán cây. Các biến quan sát được là dữ liệu do cảm biến Oracle gửi đến ở mỗi vòng đồng thuận:

Các bài nộp của Observable Oracle — vòng t

Oₜ = { o⁽¹⁾ₜ, o⁽²⁾ₜ, …, o⁽ⁿ⁾ₜ }

Xác suất phát xạ — mức độ có khả năng xảy ra của bất kỳ kết quả đọc oracle nào dựa trên trạng thái vật lý thực sự — được mô hình hóa như một hàm Gaussian được chia tỷ lệ theo điểm uy tín R(i,t) của oracle từ [1]:

Xác suất phát thải — được điều chỉnh theo phương sai danh tiếng

P(Oₜ | Sₜ) = Π N( o⁽ⁱ⁾ₜ ; Sₜ, σ²ⁱ / R(i,t) )

Đây là cơ chế chính thức chuyển đổi công thức danh tiếng từ [1] thành một sơ đồ trọng số xác suất thống kê nhất quán. Các oracle có danh tiếng cao có phương sai phát xạ thấp hơn — các chỉ số của chúng được tin tưởng là gần với trạng thái vật lý thực sự hơn. Các oracle có danh tiếng thấp có phương sai phát xạ cao hơn — các chỉ số của chúng bị chiết khấu theo tỷ lệ.

2.2 Động lực chuyển đổi trạng thái và tính chất Markov

Trạng thái vật chất của tài sản biến đổi theo xác suất chuyển đổi Markov. Sự chuyển đổi từ Sₜ sang Sₜ₊₁ chỉ phụ thuộc vào trạng thái hiện tại — chứ không phụ thuộc vào lịch sử hình thành trạng thái đó của tài sản:

Tính chất Markov — chuyển đổi trạng thái không có bộ nhớ

P(Sₜ₊₁ | Sₜ, Sₜ₋₁, …, S₁) = P(Sₜ₊₁ | Sₜ)

Đây không phải là phép xấp xỉ cho động lực học carbon vật lý — mà là mô hình chính xác. Lượng carbon trong đất tháng tới phụ thuộc vào lượng carbon trong tháng này, các biện pháp quản lý hiện tại và mùa vụ. Nó không phụ thuộc vào lượng carbon ba năm trước, ngoại trừ thông qua trạng thái hiện tại. Do đó, Mô hình Markov ẩn là cấu trúc toán học chính xác tuyệt đối để giám sát liên tục tài sản vật lý, chứ không phải là sự đơn giản hóa được áp đặt để thuận tiện cho việc tính toán.

2.3 Vấn đề lọc dữ liệu — Tại sao cần sử dụng MCMC

Thách thức tính toán cốt lõi là bài toán lọc: cho trước chuỗi các quan sát của hệ thống dự báo cho đến thời điểm t, phân bố hậu nghiệm về trạng thái vật lý thực sự Sₜ là gì?

Phương trình cập nhật bộ lọc Bayes

P(Sₜ | O₁,…,Oₜ) = [ P(Oₜ | Sₜ) · P(Sₜ | O₁,…,Oₜ₋₁) ] / P(Oₜ | O₁,…,Oₜ₋₁)

Mẫu số — xác suất biên của các quan sát — đòi hỏi phải tích phân trên tất cả các trạng thái vật lý có thể. Tích phân này không thể giải được bằng phương pháp phân tích khi không gian trạng thái là liên tục và xác suất phát xạ không tuân theo phân phối Gaussian, như dữ liệu cảm biến IoT thực tế thường gặp. Đây chính xác là vấn đề mà phương pháp MCMC được phát triển để giải quyết: lấy mẫu từ một phân phối không thể đánh giá bằng phương pháp phân tích, nhưng mật độ chưa chuẩn hóa của nó có thể được tính toán tại từng điểm.

Vì sao phân bố tiên nghiệm liên hợp không đủ: Động lực hấp thụ carbon không tuân theo phân bố Gaussian, có nhiều chiều và thể hiện hành vi ngoại lệ có đuôi nặng do lỗi cảm biến và các hiện tượng thời tiết cực đoan. Các cập nhật Bayes dạng đóng sử dụng phân bố tiên nghiệm liên hợp không thể áp dụng được. MCMC không chỉ là một phương pháp tính toán tiện lợi — mà là phương pháp duy nhất chính xác về mặt toán học để giải quyết vấn đề suy luận này ở quy mô lớn.

3. MCMC được áp dụng cho sự đồng thuận Oracle của giao thức CVR

3.1 Thuật toán Metropolis-Hastings để đánh giá độ tin cậy của Oracle

Thuật toán Metropolis-Hastings (MH) xây dựng một chuỗi Markov có phân bố trạng thái ổn định bằng với phân bố hậu nghiệm mục tiêu. Khi áp dụng vào Giao thức CVR, mục tiêu là phân bố hậu nghiệm chung trên trạng thái tài sản vật lý thực tế và tất cả điểm số uy tín của oracle, dựa trên các đóng góp của vòng đồng thuận hiện tại:

Phân phối hậu nghiệm mục tiêu — kết hợp giữa trạng thái và danh tiếng

π(Sₜ, R | Oₜ) ∝ P(Oₜ | Sₜ, R) · P(Sₜ | Sₜ₋₁) · P(R | Rₜ₋₁)

Xác suất chấp nhận MH cho đề xuất di chuyển từ (S, R) đến (S*, R*) là:

Tỷ lệ chấp nhận của Metropolis-Hastings

α = phút( 1, [ π(S*, R* | Oₜ) · q(S,R | S*,R*) ] / [ π(S,R | Oₜ) · q(S*,R* | S,R) ] )

Tính chất quan trọng: tỷ lệ này không yêu cầu tính toán hằng số chuẩn hóa P(Oₜ | O₁:ₜ₋₁) phức tạp. Thuật toán MH chỉ hoạt động với tỷ lệ của các phân bố hậu nghiệm chưa được chuẩn hóa, giúp cho bài toán lọc trở nên khả thi về mặt tính toán đối với các mạng lưới oracle lớn với nhiều loại cảm biến. Đây chính là cầu nối thuật toán giúp cho nền kinh tế oracle của Giao thức CVR có thể triển khai ở quy mô tổ chức.

3.2 Định lý Ergodic — Sự đảm bảo hội tụ

Định lý ergodic là kết quả hội tụ cơ bản giúp cho MCMC trở nên hữu ích trong suy luận. Đối với một chuỗi Markov bất khả quy, không tuần hoàn, có tính chất lặp lại dương, giá trị trung bình theo thời gian của bất kỳ hàm nào trong chuỗi đều hội tụ về giá trị kỳ vọng của nó dưới phân bố trạng thái dừng, bất kể trạng thái ban đầu:

Định lý Ergodic — Định luật số lớn MCMC

(1/N) · Σ (k=1 đến N) f(θₖ) → E₍π₎[f(θ)] dưới dạng N → ∞

Áp dụng cho Giao thức CVR: khi số vòng đồng thuận của oracle tăng lên, giá trị trung bình mẫu của bất kỳ hàm nào của trạng thái oracle — bao gồm cả lượng carbon dự trữ trong đất ước tính, xác suất không bị phá rừng đã được xác minh hoặc độ sâu mực nước ngầm — sẽ hội tụ về kỳ vọng hậu nghiệm thực sự của nó theo phân phối chung trên các trạng thái vật lý và uy tín của oracle. Giao thức CVR không hội tụ về một ước tính điểm. Nó hội tụ về toàn bộ phân phối hậu nghiệm trên trạng thái tài sản vật lý thực sự, với độ bất định được định lượng.

Điều kiện bất khả quy được thỏa mãn bởi cơ chế cắt giảm và mức độ tín nhiệm tối thiểu của Giao thức CVR: bất kỳ oracle nào liên tục gửi các kết quả đo lường thiên vị cuối cùng sẽ bị giảm tín nhiệm xuống mức tối thiểu, nhưng không bị loại bỏ vĩnh viễn — đảm bảo chuỗi có thể đạt đến tất cả các trạng thái vật lý khả thi. Tính bất biến được đảm bảo bởi không gian trạng thái vật lý có giá trị liên tục. Tính tái diễn tích cực xuất phát từ các giới hạn vật lý hữu hạn của trữ lượng carbon và các thông số môi trường.

Sự đảm bảo hội tụ trong ngôn ngữ quy định: Định lý ergodic MCMC cung cấp bằng chứng toán học rằng mạng lưới oracle của Giao thức CVR, hoạt động qua một số vòng đồng thuận đủ lớn, tạo ra một ước tính đã được xác minh về trạng thái tài sản vật lý hội tụ về xác suất hậu nghiệm thực sự — với các giới hạn không chắc chắn được định lượng thể hiện dưới dạng khoảng tin cậy. Đây là sự đảm bảo giám sát liên tục mà phân loại Nhóm 1a của SCO60 yêu cầu.

3.3 Ngưỡng 3-Sigma như một phép thử khoảng tin cậy Bayesian

Ngưỡng cắt giảm 3-sigma từ [1] và [2] hiện có thể được giải thích chính thức trong khuôn khổ MCMC. Sau khi M lần lặp khởi động bị loại bỏ, chuỗi MCMC tạo ra N mẫu hậu nghiệm của trạng thái tài sản thực. Ranh giới 3-sigma là vùng bác bỏ của khoảng tin cậy Bayes:

Ngưỡng 3-Sigma — Kiểm định khoảng tin cậy Bayesian

Từ chối oracle i nếu: | o⁽ⁱ⁾ₜ - E₍π₎[Sₜ | Oₜ] | > 3 · √(Var₍π₎[Sₜ | Oₜ])

Các kết quả đo nằm ngoài ranh giới này có xác suất hậu nghiệm nhỏ hơn 0,0027 nếu hệ thống dự báo đang báo cáo trung thực theo phân bố hậu nghiệm hiện tại. Do đó, mức phạt 15% đối với độ lệch 3-sigma là một hình phạt được điều chỉnh về mặt kinh tế cho việc cung cấp bằng chứng không nhất quán về mặt thống kê với sự đồng thuận hậu nghiệm. Mức phạt 20% đối với dữ liệu sai lệch được chứng minh bằng mật mã là mức phạt tối đa cho một sự kiện có xác suất hậu nghiệm bằng không trong trường hợp báo cáo trung thực. Sự bất đối xứng giữa hai hình phạt phản ánh chính xác nội dung thông tin của bằng chứng: tính không chắc chắn về mặt thống kê đòi hỏi một hình phạt nhỏ hơn so với bằng chứng mật mã về hành vi gian lận.

4. Kết nối sự hội tụ MCMC với Nhóm 1a Basel SCO60

SCO60 quy định bốn điều kiện phân loại phải được đáp ứng mọi lúc để một tài sản được mã hóa đủ điều kiện thuộc Nhóm 1a. Chúng tôi ánh xạ mỗi điều kiện đến một thuộc tính cụ thể, có thể kiểm chứng được của Giao thức CVR hội tụ MCMC.

5. Mở rộng công thức trọng số rủi ro với độ bất định hậu nghiệm MCMC

5.1 Mô hình chiết khấu xác minh ban đầu

Trong [1], công thức trọng số rủi ro Basel đã được mở rộng với Chiết khấu Xác minh tĩnh Dᵥₑᵣ:

Công thức chiết khấu xác minh gốc — [1]

RWAᶜᵛᴿ = Mức độ tiếp xúc · Trọng số rủi ro · (1 - Dᵥₑᵣ)

Dᵥₑᵣ được ước tính ở mức 20-50% dựa trên bằng chứng giám sát hàng hóa liên tục. Bài báo này chính thức hóa Dᵥₑᵣ như một hàm của độ rộng khoảng tin cậy hậu nghiệm MCMC — cung cấp một mức chiết khấu xác minh có nguyên tắc, có thể kiểm toán và cập nhật động thay vì một ước tính tĩnh.

5.2 Chiết khấu xác minh hậu nghiệm động

Giả sử khoảng tin cậy hậu nghiệm 95% cho trạng thái tài sản Sₜ, được suy ra từ N mẫu MCMC sau giai đoạn khởi động, là [Lₜ, Uₜ]. Định nghĩa Tỷ lệ bất định hậu nghiệm (PUR) là tỷ lệ giữa độ rộng của khoảng tin cậy và giá trị danh nghĩa V của tài sản:

Tỷ lệ bất định hậu nghiệm — động, theo từng vòng đồng thuận

PURₜ = (Uₜ - Lₜ) / V

Mức chiết khấu xác minh là một hàm giảm dần theo PUR — độ không chắc chắn càng thấp thì mức chiết khấu càng cao:

Chiết khấu xác minh động — được suy ra từ MCMC

Dᵥₑᵣ(t) = Dₘₐₓ · ( 1 - PURₜ / PURₘₐₓ )

trong đó Dₘₐₓ là mức chiết khấu tối đa có sẵn theo khuôn khổ quy định (được hiệu chỉnh ở mức 40-60% từ [1]) và PURₘₐₓ là PUR tương ứng với mức chiết khấu bằng không — mức độ không chắc chắn của một cuộc kiểm toán hàng năm tĩnh, chưa được xác minh. Do đó, công thức trọng số rủi ro Basel-MCMC động đầy đủ là:

Công thức trọng số rủi ro Basel-MCMC động đầy đủ

RWAᶜᵛᴿ(t) = Mức độ tiếp xúc · Trọng số rủi ro · ( 1 - Dₘₐₓ · ( 1 - PURₜ / PURₘₐₓ ) )

Công thức này có ý nghĩa gì đối với các nhà đầu tư tổ chức: Mức chiết khấu xác minh không còn là một cuộc đàm phán về quy định nữa — mà là kết quả toán học của chuỗi MCMC. Ở mỗi vòng đồng thuận, khoảng tin cậy hậu nghiệm sẽ thu hẹp hoặc mở rộng dựa trên sự đồng thuận của các cảm biến, và yêu cầu vốn sẽ được điều chỉnh tương ứng. Đây là quá trình tối ưu hóa vốn liên tục, chứ không phải là đánh giá lại định kỳ.

5.3 Minh họa bằng số liệu — Hợp tác xã Carbon Ethiopia

Ví dụ minh họa sau đây sử dụng các giá trị tham số dự kiến cho một địa điểm hợp tác xã cà phê Ethiopia duy nhất trong quá trình triển khai Giao thức CVR Giai đoạn 1 (4 loại cảm biến IoT, n=7 nút oracle). Các giá trị PUR được hiển thị là ước tính trước khi triển khai, sẽ được hiệu chỉnh thực nghiệm bằng cách sử dụng dữ liệu cảm biến Giai đoạn 1 từ quý 3 năm 2026 trở đi:

6. Các điều kiện hội tụ để triển khai thể chế

Việc đảm bảo hội tụ MCMC đòi hỏi các điều kiện cụ thể phải được đáp ứng trong thực tế. Sau đây là các yêu cầu triển khai tối thiểu để mạng lưới oracle của Giao thức CVR thỏa mãn định lý ergodic và do đó tạo ra các tài sản được mã hóa đủ điều kiện thuộc Nhóm 1a.

7. Mạng lưới hợp tác xã Ethiopia — Cơ sở thực nghiệm

Việc triển khai Giai đoạn 1 của Giao thức CVR nhắm mục tiêu vào 47 địa điểm hợp tác xã nông nghiệp của Ethiopia — bắt đầu với 5 địa điểm hợp tác xã ban đầu vào Quý 2 năm 2026 và mở rộng đến toàn bộ mạng lưới 47 địa điểm — cung cấp cơ sở thực nghiệm cho khuôn khổ MCMC. Ethiopia đã công bố Chiến lược Thị trường Carbon Quốc gia (2025–2035) vào tháng 6 năm 2025 [11], thiết lập khuôn khổ chính sách cho các chuyển giao song phương theo Điều 6.2, sự tham gia vào cơ chế theo Điều 6.4 và sự tham gia tự nguyện vào thị trường carbon. Việc triển khai Giao thức CVR hoạt động trong khuôn khổ chiến lược quốc gia này. Mỗi địa điểm khởi tạo một chuỗi Metropolis-Hastings 7-oracle trên không gian trạng thái vật lý 4 chiều, được cập nhật tại mỗi vòng đồng thuận cảm biến IoT.

7.1 Phân phối tiên nghiệm

Thông tin tiên nghiệm về trạng thái tài sản vật chất được xây dựng dựa trên dữ liệu carbon trong đất hiện có của IPCC cho các vùng sinh thái nông nghiệp Cao nguyên và Thung lũng Rift của Ethiopia, được bổ sung bởi dữ liệu khảo sát thực địa của Bộ Nông nghiệp từ chương trình trồng 48,8 tỷ cây xanh của Sáng kiến Di sản Xanh. Thông tin tiên nghiệm này không phải là đơn giản — nó kết hợp kiến thức chuyên môn thực tế từ chương trình trồng rừng lớn nhất thế giới, giúp khoảng tin cậy hậu nghiệm thu hẹp hơn từ vòng đồng thuận đầu tiên so với một thông tin tiên nghiệm đơn giản và thiếu hiểu biết.

Site Prior — Sáng kiến Di sản Xanh đã được hiệu chỉnh

P(S₀) = N(μ₍GLI₎, Σ₍GLI₎)

trong đó μ₍GLI₎ là trữ lượng carbon trung bình của vùng sinh thái nông nghiệp của địa điểm và Σ₍GLI₎ là phương sai trong vùng dựa trên dữ liệu khảo sát GLI.

7.2 Điều kiện phát hành tín dụng

Sự kiện phát hành tín chỉ carbon xảy ra khi xác suất hậu nghiệm MCMC đồng thời thỏa mãn ba điều kiện:

Điều kiện phát hành tín dụng — cả ba điều kiện đều phải được đáp ứng đồng thời.

L⁽⁹⁵⁾ₜ > C₍baseline₎ + δ₍min₎ VÀ R-hat < 1.05 VÀ chain_length > N₍min₎

Trong đó, C₍baseline₎ là lượng carbon dự trữ cơ sở của dự án, δ₍min₎ là mức tăng tối thiểu có thể xác minh được, và N₍min₎ là số lượng mẫu tối thiểu sau giai đoạn đốt cháy. Cả ba điều kiện này phải được thỏa mãn trước khi sự kiện phát hành tín dụng được ghi nhận vào blockchain.

7.3 Ứng dụng chuỗi cung ứng theo Quy định EUDR

Khung MCMC tương tự cũng áp dụng cho việc xác minh chuỗi cung ứng EUDR với không gian trạng thái được sửa đổi. Quy định về phá rừng của EU, được sửa đổi bởi Quy định (EU) 2025/2650 vào tháng 12 năm 2025, áp dụng cho các nhà sản xuất lớn từ ngày 30 tháng 12 năm 2026. Đối với cà phê Ethiopia — nơi 92% diện tích đất canh tác nhỏ hơn 0,5 ha và chủ yếu thuộc sở hữu đất đai không chính thức — phương pháp MCMC cung cấp bằng chứng tuân thủ liên tục mà Tuyên bố thẩm định của quy định yêu cầu:

Vectơ trạng thái vật lý EUDR

S⁽ᴱᵁᴰᴿ⁾ₜ = (Fₜ, Lₜ, Tₜ, Wₜ)

Trong đó, Fₜ là trạng thái không phá rừng của khu vực canh tác, Lₜ là định danh thửa đất được xác minh bằng GPS, Tₜ là loại cây trồng và thời gian thu hoạch, và Wₜ là trạng thái tuân thủ của cơ sở chế biến. Phân bố xác suất hậu nghiệm MCMC trên vectơ trạng thái này, được cập nhật liên tục từ dữ liệu cảm biến IoT và xác minh ranh giới vệ tinh, tạo ra Báo cáo Thẩm định cần thiết theo Quy định về Phá rừng của EU tại bất kỳ thời điểm nào có yêu cầu — không phải là báo cáo kiểm toán định kỳ mà là phân bố xác suất hậu nghiệm được duy trì liên tục về sự tuân thủ chuỗi cung ứng.

8. Giải quyết rào cản blockchain phi tập trung SCO60

Tiêu chuẩn SCO60 tạo ra một rào cản đáng kể đối với các tài sản trên các chuỗi khối công khai không cần cấp phép: Điều kiện phân loại 3 và 4 yêu cầu các trình xác thực nút phải được quản lý và giám sát, điều này không khả thi trên thực tế đối với tập hợp trình xác thực mở của Ethereum. Ủy ban Basel đã thừa nhận hạn chế này trong tiêu chuẩn ban đầu và kể từ đó đã tiến tới xem xét lại một cách tích cực: tại cuộc họp tháng 11 năm 2025 tại Thành phố Mexico, Ủy ban đã đồng ý đẩy nhanh việc xem xét có mục tiêu các yếu tố cụ thể của tiêu chuẩn tài sản tiền điện tử, và bản cập nhật tháng 2 năm 2026 đã xác nhận tiến độ đang diễn ra trong quá trình xem xét này.

Khung hội tụ MCMC cung cấp một con đường vượt qua rào cản này bởi vì nó tách biệt hai chức năng riêng biệt mà SCO60 gộp chung: tính xác thực cuối cùng của thanh toán (được cung cấp bởi các trình xác thực Ethereum) và xác minh trạng thái vật lý (được cung cấp bởi mạng lưới oracle của Giao thức CVR). Các nút oracle là các thực thể đưa ra các yêu cầu xác minh vật lý. Các trình xác thực Ethereum xử lý các giao dịch ghi lại các yêu cầu đó. Đây là các chức năng có thể tách rời với sự xử lý pháp lý riêng biệt.

Mạng lưới oracle — thực thể đưa ra các tuyên bố về trạng thái tài sản vật chất, chịu sự ràng buộc kinh tế, đặt cược danh tiếng và thực thi giảm định lượng, và hoạt động dưới sự giám sát của chính phủ có chủ quyền trong triển khai tại Ethiopia — cấu thành 'các tiêu chuẩn quản lý rủi ro phù hợp' được yêu cầu bởi Điều kiện 4 của SCO60 đối với lớp xác minh cụ thể. Bằng chứng hội tụ MCMC củng cố lập luận này vì nó làm cho độ tin cậy của mạng lưới oracle có thể định lượng được: nhân viên tuân thủ của ngân hàng có thể được cung cấp chẩn đoán R-hat, thống kê Gelman-Rubin, thời gian đốt cháy và khoảng tin cậy hậu nghiệm — tất cả đều là đầu ra có thể kiểm toán được của chuỗi MCMC.

Lý lẽ pháp lý: Lớp nền tảng Ethereum cung cấp tính chất quyết định cuối cùng cho tài sản được mã hóa — nó không phải là nguồn gốc của rủi ro xác minh tài sản vật lý. Mạng lưới oracle của Giao thức CVR — được ràng buộc về kinh tế, được bảo vệ bởi uy tín và hội tụ MCMC — tạo thành tiêu chuẩn quản lý rủi ro có thể định lượng được theo Điều kiện 4 của SCO60 đối với lớp xác minh vật lý.

9. Câu hỏi mở và lời mời hợp tác

Khung lý thuyết này mở ra một số hướng nghiên cứu có thể củng cố cả nền tảng toán học và lập luận pháp lý. Tôi mời cộng đồng nghiên cứu Ethereum hợp tác trong từng lĩnh vực sau đây.

1. Phương pháp Monte Carlo Hamilton cho không gian trạng thái đa chiều. Khi việc triển khai Giao thức CVR mở rộng quy mô lên các mạng hợp tác đa cảm biến, đa cây trồng, thuật toán lấy mẫu Metropolis-Hastings có thể thể hiện sự trộn chậm. Phương pháp Monte Carlo Hamilton sử dụng thông tin về độ dốc của hình học hậu nghiệm để đề xuất các bước di chuyển hiệu quả hơn trong không gian trạng thái.
2. Phương pháp Monte Carlo tuần tự để lọc dữ liệu theo thời gian thực. Phương pháp MH là một phương pháp MCMC theo lô, yêu cầu nhiều lần lặp cho mỗi vòng đồng thuận. Các phương pháp Monte Carlo tuần tự (lọc hạt) cập nhật phân bố hậu nghiệm một cách đệ quy khi mỗi dữ liệu đầu vào được gửi đến, mà không cần nhiều lần lặp.
3. Hiệu chỉnh Chiết khấu Xác minh để được cơ quan giám sát Basel chấp nhận. Công thức động Dᵥₑᵣ(t) yêu cầu hiệu chỉnh thực nghiệm Dₘₐₓ và PURₘₐₓ với sự chấp nhận của cơ quan giám sát thực hiện SCO60.
4. Xác minh chính thức cơ chế cắt giảm thông qua Định lý mang giao dịch. Đề xuất TCT được đề cập trong [1] cung cấp xác minh an toàn ở cấp độ thiết kế cho logic hợp đồng thông minh. Việc áp dụng TCT cho các hợp đồng cắt giảm và uy tín của Giao thức CVR sẽ cung cấp bằng chứng chính thức rằng các điều kiện cắt giảm được tính toán chính xác.

10. Kết luận

Bài báo này đã chỉ ra rằng Markov Chain Monte Carlo không phải là một cải tiến tính toán tùy chọn cho Giao thức CVR — mà là công cụ toán học giúp chứng minh được các tuyên bố cốt lõi của giao thức thay vì chỉ được khẳng định. Mô hình uy tín của oracle được giới thiệu trong [1] là một chuỗi Markov. Sự kết hợp Bayes có trọng số uy tín là một bài toán suy luận hậu nghiệm. MCMC là thuật toán giúp cho việc suy luận này có thể thực hiện được ở quy mô lớn và cung cấp sự đảm bảo hội tụ ergodic, chuyển đổi việc giám sát vật lý liên tục thành một tiêu chuẩn bằng chứng cấp độ quy định.

Việc liên hệ với Basel SCO60 Nhóm 1a không phải là một chiêu trò tiếp thị. Đó là một lập luận mang tính cấu trúc: bốn điều kiện phân loại cho tài sản được mã hóa hạng nhất yêu cầu xác minh liên tục, chống lại các hành vi phá hoại và được ghi chép hợp pháp về trạng thái tài sản vật lý. Giao thức CVR hội tụ MCMC đáp ứng đồng thời cả bốn điều kiện với sự đảm bảo hội tụ toán học chính thức thay vì một danh sách kiểm tra quản trị. Mức chiết khấu xác minh động được suy ra từ khoảng tin cậy hậu nghiệm MCMC là cơ chế có nguyên tắc, có thể kiểm toán được, chuyển sự hội tụ này thành sự giảm nhẹ vốn có thể định lượng được cho các nhà đầu tư tổ chức.

Luận điểm chính tóm gọn trong một câu: Sự khác biệt giữa tín chỉ carbon 3 đô la và tín chỉ carbon 37 đô la là bằng chứng toán học về sự xác minh liên tục — và phương pháp Markov Chain Monte Carlo chính là bằng chứng đó.

Tài liệu tham khảo

1. Gutu, A. (2025). Đề xuất: Một khung thực tế có thể kiểm chứng liên tục (CVR) để giảm trọng số rủi ro tài sản thế chấp RWA. Nghiên cứu Ethereum, ethresear.ch/t/23577. Ngày 1 tháng 12 năm 2025.
2. Gutu, A. (2025). ProofLedger: Các nguyên tắc cốt lõi và khung toán học dựa trên tài liệu ProofLedger. Nghiên cứu Ethereum, ethresear.ch/t/23609. Ngày 4 tháng 12 năm 2025.
3. Ủy ban Basel về Giám sát Ngân hàng (2022, sửa đổi năm 2024). Xử lý thận trọng đối với các khoản đầu tư vào tài sản tiền điện tử — SCO60. BIS. Ngày thực hiện: 1 tháng 1 năm 2026.
4. Metropolis, N., Rosenbluth, AW, Rosenbluth, MN, Teller, AH, Teller, E. (1953). Tính toán phương trình trạng thái bằng máy tính nhanh. Tạp chí Vật lý Hóa học, 21(6), 1087–1092.
5. Hastings, WK (1970). Phương pháp lấy mẫu Monte Carlo sử dụng chuỗi Markov và các ứng dụng của chúng. Biometrika, 57(1), 97–109.
6. Gelman, A., Rubin, DB (1992). Suy luận từ mô phỏng lặp lại bằng cách sử dụng nhiều chuỗi. Khoa học Thống kê, 7(4), 457–472.
7. Ủy ban Châu Âu (2026). Dự thảo Phụ lục Quy định được ủy quyền — Phương pháp chứng nhận canh tác carbon theo Quy định CRCF EU 2024/3012. Số tham chiếu Ares(2026)746080, ngày 22 tháng 1 năm 2026.
8. Doucet, A., de Freitas, N., Gordon, N. (2001). Phương pháp Monte Carlo tuần tự trong thực tế. Mùa xuân.
9. Neal, RM (2011). MCMC sử dụng động lực học Hamilton. Trong Sổ tay về Monte Carlo chuỗi Markov, Chương 5. Nhà xuất bản CRC Press.
10. Perspectives Climate Group / VCMI / GIZ (2026). Các lộ trình để tăng cường năng lực của các cơ quan thẩm định và xác minh (VVB) ở châu Phi. Ngày 27 tháng 2 năm 2026.
11. Cộng hòa Dân chủ Liên bang Ethiopia (2025). Chiến lược Thị trường Carbon Quốc gia của Ethiopia (2025–2035). Tháng 6 năm 2025. Được công bố thông qua Trung tâm Hợp tác Khu vực UNFCCC.
12. Hội đồng Liên minh châu Âu (2025). Quy định (EU) 2025/2650 sửa đổi Quy định về phá rừng của EU. Được thông qua ngày 18 tháng 12 năm 2025. Ngày áp dụng: 30 tháng 12 năm 2026 đối với các nhà khai thác lớn.
13. Ủy ban Basel về Giám sát Ngân hàng (2025). Thông cáo báo chí: Ủy ban Basel nhất trí đẩy nhanh việc xem xét có mục tiêu đối với tiêu chuẩn tài sản tiền điện tử. Ngày 19 tháng 11 năm 2025. BIS.
14. Ủy ban Basel về Giám sát Ngân hàng (2026). Thông cáo báo chí: Ủy ban Basel thảo luận về việc xem xét có mục tiêu tiêu chuẩn tài sản tiền điện tử. Ngày 25 tháng 2 năm 2026. BIS.
15. Nghị định thực thi của Ủy ban Châu Âu (EU) 2025/2358 ngày 20 tháng 11 năm 2025, thiết lập các quy tắc chung cho các chương trình chứng nhận CRCF, các tổ chức chứng nhận và các cuộc kiểm toán theo Quy định (EU) 2024/3012.

Abel Gutu · Người sáng lập & CEO, Tập đoàn LedgerWell
Robert Stillwell · Đồng sáng lập & Giám đốc công nghệ, LedgerWell Corp. / Giám đốc điều hành, DaedArch Corporation

ledgerwell.io

Bộ sách về khung toán học của giao thức CVR — Ấn phẩm thứ 3 trong chuỗi 4 ấn phẩm về khung toán học của giao thức CVR.
Chúng tôi tích cực tìm kiếm phản hồi về chẩn đoán hội tụ, lập bản đồ quy định và phương pháp hiệu chuẩn thực nghiệm. # Chuỗi Markov Monte Carlo làm công cụ tính toán cho việc xác minh tài sản vật lý được mã hóa theo Nhóm 1a của Basel SCO60