MiningEmissions

该数据集包含来自COINjecture Network B所有节点的全面挖矿和排放数据。这是一个非合成的实证数据集，直接从实时生产节点中提取。数据集包含JSONL文件，其中包含挖矿排放记录。每条记录包括核心挖矿数据（如区块高度、区块哈希、承诺哈希、纪元盐、节点IP地址和时间戳）、排放数据（如区块奖励、8个维度池的令牌分配）、挖矿指标（如工作量分数、解决时间和验证时间）、共识状态（如Tau、共识幅度和共识相位）以及池状态（如总锁定和总解锁令牌）。令牌按照指数分配比例分布在8个维度池中。数据来源于COINjecture Network B的实时节点，提取日期为2026年1月13日，版本为v4.9.0，模式版本为1.0。

原始信息汇总

COINjecture Mining Emissions Dataset 概述

数据集基本信息

• 许可证: MIT
• 任务类别: 其他
• 标签: 区块链, 挖矿, 排放, 代币经济学, 维度池, 工作量证明, NP完全问题, coinjecture, 非合成, 经验数据, 网络指标
• 数据规模: n<1K
• 数据来源: COINjecture Network B 实时节点
• 提取日期: 2026-01-13
• 版本: v4.9.0
• 模式版本: 1.0
• 节点: 所有活跃网络节点

数据集内容

这是一个包含来自 COINjecture Network B 所有节点的全面挖矿和排放数据的非合成经验数据集，直接从实时生产节点提取。

数据结构

数据集包含 JSONL 格式的挖矿排放记录。每条记录包含以下信息：

核心挖矿数据

• 区块高度: 链中的区块编号
• 区块哈希: 区块的加密哈希值
• 承诺哈希: 承诺哈希 (H(problem || salt || H(solution)))
• 纪元盐值: 从父区块哈希派生的盐值
• 节点: 源节点 IP 地址
• 时间戳: 区块被挖出的 Unix 时间戳

排放数据

• 区块奖励: 挖出区块获得的总代币奖励
• 维度分布: 跨 8 个维度池的代币分布
  • 每个维度分配的代币
  • 占总奖励的百分比
  • 锁定代币
  • 解锁代币

挖矿指标

• 工作量分数: 为区块计算的工作量分数
• 解题时间: 解决 NP 完全问题所花费的时间
• 验证时间: 验证解决方案所花费的时间
• 随机数: 挖矿随机数值

共识状态

• Tau (τ): 无量纲时间进程
• 共识幅度: 共识状态的幅度
• 共识相位: 共识状态的相位角

池状态

• 总锁定: 所有维度锁定的代币总和
• 总解锁: 所有维度解锁的代币总和

维度池分布

代币根据指数分配比率分布在 8 个维度中：

• D₁: ~22.2%
• D₂: ~19.2%
• D₃: ~16.6%
• D₄: ~13.7%
• D₅: ~11.1%
• D₆: ~8.5%
• D₇: ~5.5%
• D₈: ~3.2%

使用方式

可通过 datasets 库加载，支持按节点、区块高度范围进行筛选，并可转换为 pandas DataFrame 进行分析。

引用

bibtex @dataset{coinjecture_mining_emissions, title={COINjecture Mining Emissions Dataset}, author={COINjecture Network}, year={2026}, url={https://huggingface.co/datasets/COINjecture/MiningEmissions} }

搜集汇总

数据集介绍

构建方式

在区块链技术领域，数据集的构建往往依赖于对实时网络节点的直接观测与提取。本数据集源自COINjecture Network B的活跃节点，通过非合成、实证的方式，从生产环境中捕获了全面的挖矿与排放记录。数据提取于2026年1月13日，涵盖了网络中的所有节点，确保了数据的原始性与完整性。每条记录以JSONL格式存储，包含区块高度、哈希值、节点地址、时间戳等核心挖矿数据，以及代币奖励、维度分布、工作量评分等详细指标，构建过程严格遵循网络协议版本v4.9.0，为区块链挖矿行为研究提供了可靠的实证基础。

特点

该数据集的特点体现在其多维度的结构化信息与独特的代币分配机制上。它不仅记录了传统的区块链挖矿指标，如区块哈希、时间戳和非ce值，还深入捕捉了基于NP完全问题的工作量证明细节，包括解题时间与验证时间。尤为突出的是，数据集引入了八维池代币分布模型，按照指数比例将奖励分配至不同维度，例如创世池、耦合池和黄金比例池等，每个维度均包含锁定与解锁代币的详细数据。此外，共识状态参数如无量纲时间进程τ和共识幅度|ψ|的纳入，为分析网络动态与代币经济学提供了丰富的维度，使其成为研究区块链排放机制与共识演化的珍贵资源。

使用方法

使用本数据集时，研究者可通过Hugging Face的datasets库直接加载，并利用Python进行灵活的数据处理与分析。例如，可以基于节点IP地址或区块高度范围筛选特定记录，以聚焦于个别节点或特定时间段的挖矿行为。通过将数据转换为Pandas DataFrame，能够便捷地提取维度分布中的代币数量，进行统计计算或可视化展示。数据集适用于区块链挖矿效率、代币分配模式及共识算法性能的实证研究，为量化分析提供了结构化基础。用户应遵循MIT许可协议，并在引用时使用提供的BibTeX条目，以确保学术规范性。

背景与挑战

背景概述

在区块链与分布式共识机制的研究领域，工作量证明（Proof-of-Work）系统的能源消耗与代币排放模型一直是核心议题。MiningEmissions数据集由COINjecture Network于2026年创建，旨在提供其网络B中所有节点的实时挖矿与排放数据。该数据集聚焦于多维池代币分配机制，通过记录区块高度、节点地址、时间戳、工作量评分及八个维度的代币分布等关键指标，为分析NP完全问题求解效率、共识状态演化以及代币经济学模型提供了实证基础。其非合成、直接从生产节点提取的特性，增强了数据在区块链网络行为与排放模式研究中的可信度与影响力。

当前挑战

该数据集致力于解决区块链挖矿排放与代币分配机制的量化分析挑战，特别是多维池模型中代币流动的动态追踪与建模问题。在构建过程中，面临从分布式实时网络中同步并整合异构节点数据的复杂性，确保数据一致性且避免遗漏成为关键难点。此外，记录NP完全问题求解与验证时间的高精度微秒级度量，对数据采集系统的时序同步与性能提出了苛刻要求。多维池代币分布的指数分配结构亦增加了数据标准化与跨维度比较的分析难度，需克服维度间锁仓与流通代币状态的精准解析挑战。

常用场景

经典使用场景

在区块链与工作量证明机制的研究领域，MiningEmissions数据集为分析加密货币挖矿行为提供了详尽的实证数据。该数据集最经典的使用场景在于深入探究NP完全问题求解时间与共识状态之间的动态关联，研究人员能够基于其多维池分布数据，模拟不同维度下代币分配对网络激励结构的影响，从而揭示挖矿效率与资源分配的优化路径。

实际应用

在实际应用层面，MiningEmissions数据集被广泛用于优化加密货币网络的运营策略。开发团队可依据其包含的区块奖励、锁定代币与解锁代币等指标，设计更公平的激励分配方案；同时，网络分析师能够利用工作分数与验证时间等度量，监控节点性能并预测网络拥堵，从而提升整个区块链系统的稳定性与可扩展性。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在多维池代币分配模型的扩展研究上。学者们基于其提供的八维分布比例，开发了新型共识算法模拟框架，用于测试不同分配策略对网络安全性的影响；此外，这些数据也催生了针对NP完全问题求解效率的跨学科研究，促进了计算复杂性理论与区块链技术的融合创新。