Nombre | Bitpanda Asset Management GmbH, Bitpanda GmbH |
Identificador de entidad jurídica relevante | 9845005X9B7N610K0093, 5493007WZ7IFULIL8G21 |
Nombre del criptoactivo | Qubic |
Mecanismo de consenso | La blockchain de Qubic utiliza un algoritmo de Prueba de Trabajo (Proof-of-Work) llamado Computación Basada en Quórum (Quorum-Based Computation, QBC), diseñado para combinar descentralización, eficiencia y adaptabilidad en la ejecución segura de transacciones y contratos inteligentes. Componentes Clave: Computación Basada en Quórum (Quorum-Based Computation, QBC): Las decisiones requieren el acuerdo de al menos 451 de los 676 Computors principales, garantizando un consenso fiable y descentralizado para la validación de transacciones y la ejecución de contratos inteligentes. Prueba de Trabajo Útil (Useful Proof-of-Work, uPoW): Los mineros de IA (AI miners) compiten para resolver tareas computacionales, determinando la clasificación de los Computors en cada época (epoch, una semana). Los Computors con mejor rendimiento califican para participar en el consenso, fomentando una red dinámica y basada en el rendimiento. Spectrum Ledger: El equivalente de un ledger blockchain en Qubic, el Spectrum registra transacciones validadas y los resultados de los contratos inteligentes, garantizando integridad y transparencia. Selección Dinámica y Adaptativa: Los Computors son evaluados y clasificados continuamente en función de su rendimiento. Aquellos que no cumplen con los estándares de velocidad o eficiencia de la red son reemplazados, asegurando una alta calidad operativa. Descentralización y Autonomía: Todas las decisiones clave, incluida la validación de transacciones y la ejecución de contratos inteligentes, son gobernadas por el quórum de Computors, sin que ninguna entidad tenga autoridad absoluta. |
Mecanismos de incentivo y tarifas aplicables | La estructura de incentivos y comisiones de la blockchain de Qubic está diseñada para recompensar el rendimiento y garantizar el funcionamiento eficiente de la red, manteniendo la equidad y la descentralización. Mecanismo de Incentivo: Ingresos para Computors: Los Computors cualificados obtienen ingresos validando transacciones y ejecutando contratos inteligentes en el ledger de Spectrum. Los Computors son recompensados en función de su rendimiento, incluyendo la velocidad de procesamiento de transacciones y la compatibilidad con la red. Prueba de Trabajo Útil (Useful Proof-of-Work, uPoW): Los mineros de IA (AI miners) obtienen reconocimiento resolviendo tareas computacionales, clasificando a los Computors para su elegibilidad en el proceso de consenso. Aunque la minería no valida directamente las transacciones, incentiva la innovación en IA y respalda el ecosistema de Aigarth. Recompensas Basadas en el Rendimiento: Los Computors que demuestran velocidad y compatibilidad constantes tienen prioridad, asegurando que los nodos de alto rendimiento sean recompensados. Los Computors que no logran mantenerse al nivel requerido son reemplazados, garantizando la eficiencia de la red. Comisiones Aplicables: Comisiones por Transacción: Los usuarios pagan comisiones por ejecutar transferencias y contratos inteligentes. Estas comisiones se distribuyen entre los Computors participantes, incentivando su implicación activa en las operaciones de la red. Estructura de Comisiones Dinámica: Las comisiones se ajustan en función de la demanda de la red y la complejidad de las transacciones, equilibrando los costes para los usuarios con la sostenibilidad de la red. |
Inicio del período | 2024-09-14 |
Fin del período | 2025-09-14 |
Consumo de energía | 1909680.00000 (kWh/a) |
Recursos y metodologías de consumo de energía | Para calcular el consumo energético, se utiliza el enfoque denominado «ascendente». Se considera que los nodos son el factor central del consumo energético de la red. Estas hipótesis se basan en conclusiones empíricas obtenidas mediante el uso de sitios web de información pública, rastreadores de código abierto y rastreadores desarrollados internamente. Los principales factores determinantes para estimar el hardware utilizado en la red son los requisitos para el funcionamiento del software cliente. El consumo energético de los dispositivos de hardware se midió en laboratorios de ensayo certificados. Para calcular el consumo energético, utilizamos, cuando estaba disponible, el identificador de tokens digitales de grupos funcionalmente fungibles (FFG DTI) para determinar todas las implementaciones del activo en cuestión dentro del ámbito de aplicación y actualizamos los mapeos periódicamente, basándonos en los datos de la Digital Token Identifier Foundation. La información relativa al hardware utilizado y al número de participantes en la red se basa en hipótesis que se verifican con el mayor esfuerzo posible utilizando datos empíricos. En general, se supone que los participantes son en gran medida racionales desde el punto de vista económico. Como principio de precaución, en caso de duda, hacemos hipótesis conservadoras, es decir, estimamos al alza los impactos adversos. |
Consumo de energía renovable | 32.225548601 (%) |
Intensidad energética | 0.01090 (kWh) |
Emisiones de GEI de DLT del Alcance 1 - Controladas | 0.00000 (tCO2e/a) |
Emisiones de GEI de DLT del Alcance 2 - Compradas | 635.56646 (tCO2e/a) |
Intensidad de GEI | 0.00363 (kgCO2e) |
Fuentes de energía clave y metodologías | Para determinar la proporción de uso de energías renovables, se determinarán las ubicaciones de los nodos utilizando sitios de información pública, rastreadores de código abierto y rastreadores desarrollados internamente. Si no se dispone de información sobre la distribución geográfica de los nodos, se utilizarán redes de referencia comparables en términos de estructura de incentivos y mecanismo de consenso. Esta información geográfica se fusiona con la información pública de Our World in Data, véase la cita. La intensidad se calcula como el coste energético marginal con respecto a una transacción más. Ember (2025); Energy Institute - Statistical Review of World Energy (2024) – con un procesamiento importante por parte de Our World in Data. «Porcentaje de electricidad generada por energías renovables - Ember y Energy Institute» [conjunto de datos]. Ember, «Yearly Electricity Data Europe»; Ember, «Yearly Electricity Data»; Energy Institute, «Statistical Review of World Energy» [datos originales]. Obtenido de https://ourworldindata.org/grapher/share-electricity-renewables. |
Fuentes clave de GEI y metodologías | Para determinar las emisiones de GEI, se determinarán las ubicaciones de los nodos utilizando sitios de información pública, rastreadores de código abierto y rastreadores desarrollados internamente. Si no se dispone de información sobre la distribución geográfica de los nodos, se utilizarán redes de referencia comparables en términos de estructura de incentivos y mecanismo de consenso. Esta información geográfica se fusiona con la información pública de Our World in Data, véase la cita. La intensidad se calcula como la emisión marginal con respecto a una transacción más. Ember (2025); Energy Institute - Statistical Review of World Energy (2024) - con un procesamiento importante por parte de Our World in Data. «Carbon intensity of electricity generation - Ember and Energy Institute» [conjunto de datos]. Ember, «Yearly Electricity Data Europe»; Ember, «Yearly Electricity Data»; Energy Institute, «Statistical Review of World Energy» [datos originales]. Obtenido de https://ourworldindata.org/grapher/carbon-intensity-electricity. Licenciado bajo CC BY 4.0. |